H-JEPA: Modelos de Mundo Hierárquicos para o Planeamento Visual

Investigadores apresentaram o H-JEPA, uma versão hierárquica da arquitetura JEPA que melhora significativamente a eficácia do planeamento em horizontes longos dentro de ambientes visuais.
H-JEPA: Aprendizagem End-to-End de Modelos de Mundo Hierárquicos para o Planeamento Visual
A arquitetura JEPA de Yann LeCun tornou-se agora hierárquica. A ideia central por trás destes modelos não é adivinhar o próximo token ou pixel, mas sim compreender o que está a acontecer no mundo e o que acontecerá a seguir. Mais detalhes estão disponíveis no artigo científico.
O novo trabalho dá um passo importante: o JEPA foi treinado para planear adequadamente em horizontes temporais longos. No ambiente Visual AntMaze — um espaço virtual para testar robôs —, a nova abordagem aumentou a taxa de sucesso de 18% para 73%, ao mesmo tempo que reduziu os custos de planeamento.
A versão hierárquica da arquitetura baseia-se numa ideia bastante simples. Em vez de um único modelo de mundo, são utilizados múltiplos níveis com diferentes escalas temporais. O nível superior pensa a longo prazo e escolhe uma direção geral, o nível seguinte transforma-a em subobjetivos mais concretos, e o nível inferior decide quais as ações que devem ser tomadas imediatamente.
Ao mesmo tempo, os níveis superiores aprendem a descartar pequenos detalhes que não são necessários para o planeamento a longo prazo. Por exemplo, num labirinto, a informação sobre a posição exata das pernas desaparece nos níveis mais altos, mas a compreensão de onde o robô está e como a rota está estruturada permanece.
Por que isso importa
AnáliseO H-JEPA demonstra que modelos de mundo hierárquicos podem planear em horizontes longos com maior eficiência, reduzindo a sobrecarga computacional. Isto é crucial para agentes de IA, robótica e sistemas autónomos que necessitam de raciocínio estratégico em vez de meramente reativo.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores
Relacionado no ecossistema
Guias práticos, terminologia essencial e skills de agentes
50 estilos de design visual: guia fundamental para sistemas de design, UI/UX e direção de arte
Dicionário visual completo com 50 estilos de design: análise de estética, paletas de cores, pares tipográficos, regras para sistemas de design e controle preciso de IA.
Guia de prompts para modelos generativos GPT Image
Os modelos de geração de imagens gpt-image da OpenAI foram criados para obter visuais de qualidade de produção e processos criativos totalmente controláveis. São adequados tanto para design profissional...
Volumes NVMe de Scratch Rápidos para Modelos de IA
Otimização do subsistema de armazenamento de servidores de inteligência artificial utilizando unidades locais NVMe (PCIe 5.0) de alta velocidade para carregamento instantâneo de pesos acima de 40 GB e cache de modelos.
Agregador OpenRouter (Uma chave para mais de 200 modelos)
Principal agregador de API e gateway de inteligência artificial (AI Gateway) do mundo. Oferece uma interface padronizada única, compatível com a OpenAI, permitindo chamar mais de 200 modelos comerciais e abertos (Claude, GPT-4, Llama, DeepSeek, Mistral) através de um saldo compartilhado e uma única chave de API.