Copertina

Hierarchical Planning with Latent World Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhang, Wancong, Terver, Basile, Zholus, Artem, Chitnis, Soham, Sutaria, Harsh, Assran, Mido, Balestriero, Randall, Bar, Amir, Bardes, Adrien, LeCun, Yann, Ballas, Nicolas
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

What Drives Success in Physical Planning with Joint-Embedding Predictive World Models?
di: Terver, Basile, et al.
Pubblicazione: (2025)

Learning and Leveraging World Models in Visual Representation Learning
di: Garrido, Quentin, et al.
Pubblicazione: (2024)

V-JEPA 2.1: Unlocking Dense Features in Video Self-Supervised Learning
di: Mur-Labadia, Lorenzo, et al.
Pubblicazione: (2026)

Learning Latent Action World Models In The Wild
di: Garrido, Quentin, et al.
Pubblicazione: (2026)

Gaussian Embeddings: How JEPAs Secretly Learn Your Data Density
di: Balestriero, Randall, et al.
Pubblicazione: (2025)

A Lightweight Library for Energy-Based Joint-Embedding Predictive Architectures
di: Terver, Basile, et al.
Pubblicazione: (2026)

Fast and Exact Enumeration of Deep Networks Partitions Regions
di: Balestriero, Randall, et al.
Pubblicazione: (2024)

LeJEPA: Provable and Scalable Self-Supervised Learning Without the Heuristics
di: Balestriero, Randall, et al.
Pubblicazione: (2025)

Learning by Reconstruction Produces Uninformative Features For Perception
di: Balestriero, Randall, et al.
Pubblicazione: (2024)

Learning from Reward-Free Offline Data: A Case for Planning with Latent Dynamics Models
di: Sobal, Vlad, et al.
Pubblicazione: (2025)

Revisiting Feature Prediction for Learning Visual Representations from Video
di: Bardes, Adrien, et al.
Pubblicazione: (2024)

Intuitive physics understanding emerges from self-supervised pretraining on natural videos
di: Garrido, Quentin, et al.
Pubblicazione: (2025)

LLM-JEPA: Large Language Models Meet Joint Embedding Predictive Architectures
di: Huang, Hai, et al.
Pubblicazione: (2025)

Semantic Tube Prediction: Beating LLM Data Efficiency with JEPA
di: Huang, Hai, et al.
Pubblicazione: (2026)

Variance Covariance Regularization Enforces Pairwise Independence in Self-Supervised Representations
di: Mialon, Grégoire, et al.
Pubblicazione: (2022)

Causal-JEPA: Learning World Models through Object-Level Latent Masking
di: Nam, Heejeong, et al.
Pubblicazione: (2026)

Stochastic positional embeddings improve masked image modeling
di: Bar, Amir, et al.
Pubblicazione: (2023)

Temporal Straightening for Latent Planning
di: Wang, Ying, et al.
Pubblicazione: (2026)

Parallel Stochastic Gradient-Based Planning for World Models
di: Psenka, Michael, et al.
Pubblicazione: (2026)

LeWorldModel: Stable End-to-End Joint-Embedding Predictive Architecture from Pixels
di: Maes, Lucas, et al.
Pubblicazione: (2026)

VEDIT: Latent Prediction Architecture For Procedural Video Representation Learning
di: Lin, Han, et al.
Pubblicazione: (2024)

Navigation World Models
di: Bar, Amir, et al.
Pubblicazione: (2024)

Introduction to Latent Variable Energy-Based Models: A Path Towards Autonomous Machine Intelligence
di: Dawid, Anna, et al.
Pubblicazione: (2023)

Back to the Features: DINO as a Foundation for Video World Models
di: Baldassarre, Federico, et al.
Pubblicazione: (2025)

stable-worldmodel-v1: Reproducible World Modeling Research and Evaluation
di: Maes, Lucas, et al.
Pubblicazione: (2026)

Rectified LpJEPA: Joint-Embedding Predictive Architectures with Sparse and Maximum-Entropy Representations
di: Kuang, Yilun, et al.
Pubblicazione: (2026)

Light-weight probing of unsupervised representations for Reinforcement Learning
di: Zhang, Wancong, et al.
Pubblicazione: (2022)

V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning
di: Assran, Mido, et al.
Pubblicazione: (2025)

An Information-Theoretic Perspective on Variance-Invariance-Covariance Regularization
di: Shwartz-Ziv, Ravid, et al.
Pubblicazione: (2023)

DINO-WM: World Models on Pre-trained Visual Features enable Zero-shot Planning
di: Zhou, Gaoyue, et al.
Pubblicazione: (2024)

Reconstruction or Semantics? What Makes a Latent Space Useful for Robotic World Models
di: Nilaksh, et al.
Pubblicazione: (2026)

Whole-Body Conditioned Egocentric Video Prediction
di: Bai, Yutong, et al.
Pubblicazione: (2025)

Hierarchical World Models as Visual Whole-Body Humanoid Controllers
di: Hansen, Nicklas, et al.
Pubblicazione: (2024)

$\mathbb{X}$-Sample Contrastive Loss: Improving Contrastive Learning with Sample Similarity Graphs
di: Sobal, Vlad, et al.
Pubblicazione: (2024)

Radial-VCReg: More Informative Representation Learning Through Radial Gaussianization
di: Kuang, Yilun, et al.
Pubblicazione: (2026)

Scaling Language-Free Visual Representation Learning
di: Fan, David, et al.
Pubblicazione: (2025)

Continuous Histogram Loss: Beyond Neural Similarity
di: Zholus, Artem, et al.
Pubblicazione: (2020)

Forgotten Polygons: Multimodal Large Language Models are Shape-Blind
di: Rudman, William, et al.
Pubblicazione: (2025)

EgoPet: Egomotion and Interaction Data from an Animal's Perspective
di: Bar, Amir, et al.
Pubblicazione: (2024)

Closing the Train-Test Gap in World Models for Gradient-Based Planning
di: Parthasarathy, Arjun, et al.
Pubblicazione: (2025)