Hugging Face发布LeWAM：革新端到端世界与动作建模技术

摘要：Hugging Face推出LeWAM，这是一款基于联合嵌入预测架构（JEPAs）的端到端世界与动作建模模型。与传统JEPAs不同，LeWAM采用联合训练目标优化下一潜在状态预测和动作流匹配，并引入各向同性高斯约束，使单一模型能够高效支持策略执行和规划任务。实验表明，LeWAM在接触丰富任务上的成功率从28.6%提升至89.7%，长程任务从10.9%提升至46.2%，规划速度提升32.3倍，同时在模拟和物理机器人行为克隆任务中表现优异。

---

技术机制剖析

LeWAM是Hugging Face推出的一款基于联合嵌入预测架构（JEPAs）的端到端模型。与传统JEPAs相比，LeWAM的核心创新点包括：

1. 联合训练目标：LeWAM采用联合训练目标优化下一潜在状态预测和动作流匹配，而非分阶段训练视觉表示和动作条件动态。这种方法提高了模型对复杂任务的适应性和整体性能。

2. 各向同性高斯约束：通过引入各向同性高斯约束，LeWAM能够更好地捕捉潜在状态的分布特性，从而提升模型的稳定性和预测精度。

3. 高效规划与策略执行：LeWAM的单模型架构使其能够直接执行策略并通过评估采样动作进行高效规划，避免了传统方法中多次模型调用带来的延迟和计算开销。

工程权衡与实测表现

• 性能提升：在接触丰富任务中，LeWAM将成功率从28.6%提升至89.7%，在长程任务中从10.9%提升至46.2%。规划速度提升32.3倍，显著缩短了任务执行时间。

• 适用性广泛：LeWAM不仅在模拟环境中表现出色，在物理机器人行为克隆任务中也具有竞争力，展示了其在实际应用中的潜力。

• 可解释性：通过可解释性分析，LeWAM能够学习到与控制相关的表示和动作分布，有效指导测试时的规划和控制。

开发者落地与部署建议

LeWAM的发布为开发者提供了一种高效构建智能体控制系统的解决方案。以下是一些建议：

1. 资源优化：由于LeWAM的单模型架构，开发者可以减少模型调用的次数，从而降低计算资源消耗。

2. 任务适配：建议在接触丰富和长程任务中优先使用LeWAM，以充分发挥其性能优势。

3. 持续优化：结合各向同性高斯约束，开发者可以进一步优化模型的潜在状态分布，提升整体性能。

总结

LeWAM的推出标志着端到端世界与动作建模技术的重大进步。其在性能、效率和适用性方面的突破，为智能体控制领域带来了新的机遇和挑战。

---

消息来源：Hugging Face Daily Papers (2026-10-08)

—— 完 ——

主题标签： #Hugging Face 关注 #LeWAM 关注 #JEPAs 关注 #智能体控制 关注 #端到端模型 关注