LeCun世界模型最新进展，开源了一套极简训练方案，单GPU就能跑。
这套方案叫LeWorldModel，它基于JEPA架构，实现像素输入直接预测未来，速度快到离谱，完整规划仅需1秒。
它能只看像素画面、不用复杂技巧、单GPU就能稳定训练，学会预测 “我做这个动作，世界会变成什么样”，用来帮机器人、智能体做规划和控制，又快又稳又好用。
实际效果也很不错：
速度飞起：规划速度比大模型方案快48倍，1秒内搞定。
参数很小：只有1500万参数，所有训练与规划实验均在单张NVIDIA L40S显卡上完成，几小时即可训完。
控制很强：在推箱子、机械臂、导航等 2D/3D 任务里，超过之前的端到端方法，和大模型方案打得有来有回。
懂物理： latent里藏着位置、角度等物理信息，还能识别 “不合物理” 的怪事（比如物体突然瞬移，它会觉得 “很意外”）。
技术架构：把JEPA简化到本质
团队介绍，以往的JEPA方法通过启发式方法或技巧（例如EMA、停止梯度法、预训练表示、掩码或复杂的损失函数）来避免模型崩溃。
然而，这些技巧使得JEPA训练不稳定且难以进行。
而LeWM的思路是把JEPA简化到本质：用编码器把图片变特征，用预测器根据动作猜下一个特征，再用高斯正则防止坍塌，全程端到端、极简稳定训练。
其架构只用到两个核心组件——编码器+预测器：
编码器：把画面压缩成一小串数字（latent特征）。
预测器：根据当前特征 + 你要做的动作，预测下一刻的特征。
最关键的创新在于，它只用了两个损失：
预测损失：让预测器尽量猜对下一帧的真实特征，用简单的MSE均方误差。作用是让模型学会世界的动态规律。
SIGReg正则损失：强制让所有特征向量服从标准高斯分布。作用是防止模型 “摆烂坍塌”（所有画面输出一样的特征）。
所以最终的总损失 = 预测损失 + λ × SIGReg正则损失。
正则化权重 λ是唯一需要调优的超参数，极大简化了训练流程，完全不需要以往的额外方法，这也是LeWM稳定、好用的根本原因。
实验结果：完胜此前JEPA方法
先放结论：LeWM完胜之前的端到端JEPA 方法（PLDM），和依赖大模型预训练的DINO‑WM打成平手甚至更强，同时训练更简单、速度更快、参数更小。
团队在4个经典机器人/控制任务上进行测试，并与DINO-WM和PLDM这两种基于JEPA的最先进方法进行比较。
4个任务分别是Push-T（推箱子）、Reacher（机械臂够目标）、OGBench-Cube（3D 机械臂抓方块）、Two-Room（2D 导航）。
结果显示：
Push-T（推箱子）：LeWM最强，成功率96%，比PLDM高18%，甚至超过带体感输入的DINO-WM；
Reacher（机械臂够目标）：LeWM>PLDM，和DINO-WM接近；
OGBench-Cube（3D机械臂抓方块）：LeWM略输DINO-WM，但依然很强；
Two-Room（2D导航）：LeWM稍弱，但物理信息依然学得很好。
在2D和3D任务中，LeWM缩小了与基于基础模型的世界模型（例如 DINO-WM）之间的差距，同时优于端到端基线PLDM。
值得注意的是，LeWM的规划速度比DINO-WM快48倍：不到1秒vs约47秒。
原因是LeWM能把观测数据缩小约200倍，AI预测未来时算得更快、更省力，让基于特征的世界规划几乎可以实时运行。
此外，LeWM是真懂物理。
模型把画面变成一串数字（latent），团队在训练好的LeWM后面，接入一个简单的小探测器，让它只靠latent数字，去预测机器人/方块的位置、方块的角度、机械臂指尖坐标。
结果位置预测几乎100%准确，角度预测也非常准，比之前的PLDM强很多，和大模型DINO差不多。
为了直观展示LeWM的学习效果，团队还额外训练了一个用于可视化的小解码器，展示了三类画面：真实视频、模型 “看到”的还原视频、以及模型的未来预测视频。
可以看到，LeWM不仅能准确理解当前场景，还能正确预测物体接下来的运动，真正抓住了环境的核心结构与变化规律。
不仅如此，它还能识别 “违反物理规律” 的怪事。
团队做了个实验，故意制造两种 “扰动场景”，看模型会不会觉得不对劲：
视觉扰动：物体突然变色；
物理扰动：物体直接瞬移到随机位置，违背物理定律。
模型面对“变色”的反应是平平无奇，而面对“物理违规”，惊讶值直接爆表。
团队背景
一作Lucas Maes，加拿大AI研究院Mila的三年级博士生，导师是Damien Scieur。
目前在布朗大学担任访问研究员，与Randall Balestriero合作研究世界模型。
其工作重点是通过各种方法改进JEPA ，包括基于梯度的规划、分层时间抽象、目标规范和物理理解。
Quentin Le Lidec，纽约大学柯朗数学研究所的博士后研究员，与Yann LeCun合作研究机器人世界模型。
目前的研究重点是利用人工智能解决物理世界中的问题，曾为Pinocchio、 Simple和stable-worldmodel等开源项目做出贡献。
Damien Scieur，现任三星研究员，曾任普林斯顿大学博士后，主要方向是优化算法。
Randall Balestriero，布朗大学计算机科学助理教授，长期深耕人工智能与深度学习领域。
2013年起研究可学习信号处理，他参与的技术曾用于NASA火星车火星地震探测。
2021年获莱斯大学博士学位，后进入Meta AI做博士后，师从Yann LeCun。
本文来自微信公众号“量子位”，作者：关注前沿科技，36氪经授权发布。
