本项目 · 项目发布与研究
LeWorldModel 研究从像素端到端学习预测表征
LeWorldModel 研究稳定的端到端 JEPA 训练，在潜在空间根据观测与动作预测后续表征，并用于目标条件规划。
论文 v1 与 v3 尚未完整比对；此条是研究概述，不宣称某一修订新增了特定能力或已经部署在真实机器人上。
LeWorldModel 联合研究团队 / 独立收录记录
LeWorldModel（LeWM / 2026 研究）
LeWorldModel（LeWM）使用从像素训练的编码器与预测器，在潜在空间预测动作后的未来观测表征，再优化动作序列以达到图像目标。
技术资料
来源与原文 ↓能做什么，使用时要注意什么
输入与结果
- 提供什么
- 当前图像的潜在表征和动作。编码器把观测图像转换为表征；起点和目标图像由规划模块使用。
- 得到什么
- 下一帧观测的潜在表征。
- 动作的作用
- 预测以动作为条件。
开放情况与使用边界
- 开放声明
- 开放权重
开放情况是所引材料中的声明；当前访问方式与服务状态请以官方页面为准。开放权重不等于开源。
分类与用途
- 控制方式
- 智能体动作
- 应用领域
- 机器人
依据保存的 2026 项目页与作者仓库基础说明，不将 v1/v3 差异视为已完成复核。机器人领域对应所列模拟操作任务；可视化视频不等于模型直接生成视频。
查看分类依据 ↓资料尚未确认
开源情况适用限制需要区分的对象已收录材料不足以判断，未确认不代表没有相应能力。
沿着公开资料继续了解
按事件时间展示已收录进展，非完整新闻列表。
来源与原文
按原始材料集中查阅；相同原句合并展示，对应资料与阅读日期一并保留。
LeWorldModel（LeWM / 2026 研究） · 项目原始材料
核对原文摘录 · 3 段，支持 5 项资料
原阅读方向 / 输出什么
The predictor models the environment dynamics in latent space by predicting the embedding of the next frame observation一句话认识
we introduce LeWorldModel (LeWM), the first JEPA that trains stably end-to-end from raw pixels using only two loss terms输入什么 / 动作是否影响预测
given the latent embedding \(\vz_t\) and an action \(\va_t\).LeWorldModel（LeWM / 2026 研究） · 项目原始材料
核对原文摘录 · 1 段，支持 1 项资料
来源中的开放声明
Pretrained LeWM checkpoints for each environment are mirrored on the Hugging Face Hub (model repos), alongside the datasets (dataset repos) in the same collection:LeWorldModel（LeWM / 2026 研究） · 项目原始材料
补充阅读入口，当前技术字段未引用该页摘录。
LeWorldModel（LeWM / 2026 研究） · 项目原始材料
补充阅读入口，当前技术字段未引用该页摘录。
本站整理来源中的声明，不核查厂商声明真伪，不评价模型优劣。了解收录方式 →