Ещё одна работа под руководством Яна Лекуна: адаптация во время тестирования вместо замороженных world models!?

В этой статье AdaJEPA берёт предобученную JEPA-модель мира, планирует действия через MPC, выполняет действие, а затем использует наблюдаемый переход, чтобы обновить latent predictor перед новым планированием.

Базовый цикл выглядит так:

планирование → действие → адаптация → новое планирование.

Каждое действие создаёт собственный self-supervised обучающий сигнал через ошибку предсказания следующего latent-состояния.

Всего один gradient step на каждый MPC step помогает AdaJEPA лучше достигать целей при новых формах объектов, визуальных искажениях, сдвигах динамики и незнакомых лабиринтах.

World models не должны прекращать обучение после pretraining.

Они должны постоянно перекалибровываться во время deployment, превращая реальное взаимодействие в непрерывную коррекцию модели.

https://www.alphaxiv.org/abs/2606.32026