arXiv · cs.AI· Artem Zholus, Nicolas Beltran-Velez, Jianhao Yuan, Sarath Chandar, Tushar Nagarajan, Daniel Severo, Koustuv Sinha, Michal Drozdzal, Adriana Romero Soriano, Jeannette Bohg, Nicolas Ballas, Mahmoud Assran·· 18 小时前
RoboJEPA建立多形态机器人潜在世界模型缩放规律
RoboJEPA: Scaling Robotic Latent World Models
arXiv:2610.10515v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Artem Zholus, Nicolas Beltran-Velez, Jianhao Yuan, Sarath Chandar, Tushar Nagarajan, Daniel Severo, Koustuv Sinha, Michal Drozdzal, Adriana Romero Soriano, Jeannette Bohg, Nicolas Ballas, Mahmoud Assran
首次提交：2026-10-08 01:54
研究任务与主要进展
RoboJEPA是基于Joint Embedding Predictive Architecture（JEPA）的潜在世界模型，使用覆盖12种机器人形态的大规模真实机器人数据训练，作者报告其潜在滚动误差随计算量呈二阶幂律，并可据此预测模型质量。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org