Delta-JEPA：通过潜在差异解码学习动作敏感的世界模型

学习用于规划的视觉世界模型需要紧凑且对动作敏感的潜在动态，但无重建的联合嵌入目标易导致动作不敏感表示。本文提出 Delta-JEPA，一种端到端无重建世界模型，通过引入潜在差异动作解码器（LDAD）增强潜在前向预测。LDAD 利用连续观测间的潜在位移重构执行动作，直接正则化转移几何，防止嵌入坍缩并鼓励不同动作产生可区分的潜在变化。在四个视觉连续控制任务中，Delta-JEPA 显著优于现有基线，证明了监督潜在差异是学习抗坍缩、动作敏感世界模型的有效机制。