H-JEPA: иерархические мировые модели для визуального планирования

Исследователи представили H-JEPA — иерархическую версию архитектуры JEPA, которая лучше планирует на длинных горизонтах в визуальных средах.
H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning
Архитектура JEPA Яна Лекуна теперь стала иерархической. Напоминаем, основная идея в том, чтобы сделать модель, которая не угадывает следующий токен или пиксель, а понимает, что происходит в мире и что случится дальше. Подробнее — в статье.
В новой работе получилось сделать следующий важный шаг: JEPA научили нормально планировать на длинном горизонте. На Visual AntMaze — виртуальной среде для тестирования роботов в пространстве — новый подход поднял долю успешных прохождений с 18% до 73%, а затраты на планирование при этом сократились.
За иерархической версией архитектуры стоит довольно простая идея. Вместо одной world model используются несколько уровней с разным временным масштабом. Верхний уровень думает далеко вперед и выбирает примерное направление, следующий превращает его в более конкретные подцели, а нижний уже решает, какие действия нужно сделать прямо сейчас.
При этом верхние уровни сами учатся отбрасывать мелкие детали, которые не нужны для долгосрочного планирования. Например, в лабиринте на верхних уровнях пропадает информация о точном положении ног, но остается понимание, где находится робот и как устроен маршрут.
Почему это важно
АналитикаH-JEPA показывает, что иерархические мировые модели могут эффективнее планировать на длинных горизонтах и снижать вычислительные затраты. Это важно для ИИ-агентов, робототехники и автономных систем, которым нужно стратегическое, а не только реактивное планирование.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
50 стилей визуального дизайна: фундаментальное руководство для дизайн-систем, UI/UX и арт-дирекшена
Полный визуальный словарь из 50 стилей дизайна: анализ эстетики, цветовые палитры, шрифтовые пары, правила для дизайн-систем и точное управление ИИ.
Jev и System One AI: полное практическое руководство по модели решений от TypeSafe
Глубокий инженерный разбор флагманской модели Jev: архитектура System One против LLM, примитивы Choice/Score/Noul, параллелизм запросов, математика уверенности, видео-кейсы, код и обзор локальных open-weight альтернатив (Laya, GLiNER2.5, CLM-8B).
Модели Награды Процесса (PRM)
Модели оценки ИИ, анализирующие корректность каждого отдельного логического шага или вызова инструмента агента, предотвращая накопление ошибок до получения финального результата.
System 1 Decision Engine: быстрые модели принятия решений для агентов
System 1 Decision Engine — быстрый слой принятия решений для агентов, который заменяет дорогие autoregressive вызовы в маршрутизации, валидации схем и Guardrails. Архитектурный переход снижает p95 latency до 30–70 ms и токен-стоимость на 90%+ без потери контролируемости агентного цикла.