杨立昆的 AMI Labs 开源 H-JEPA 分层世界模型：在抽象潜空间里分层规划，迷宫任务成功率从 18% 升到 73%

这件事意味着什么

【要点】

杨立昆（Yann LeCun）创办的 AMI Labs（Advanced Machine Intelligence）与纽约大学、法国 INRIA、布朗大学合作，10 月初发布论文《H-JEPA：端到端学习用于视觉规划的分层世界模型》（arXiv 2610.06805），并以 MIT 许可公开了代码和全部训练好的检查点。它把 LeCun 一直主张的 JEPA 世界模型从「单一时间尺度」推进到「多层级」：上层看得更远、只保留慢变化的关键状态，下层负责具体动作。

【可核验】

据项目页和论文，H-JEPA 由多层「动作条件 JEPA」组成，每一层在自己学到的潜空间里预测更远的未来，各层联合端到端训练，并用 SIGReg 防止表征坍缩。规划时自上而下：最高层朝目标规划，它预测的状态作为下一层的子目标，最底层输出原始动作。在 Visual AntMaze、FourRoom、OGBench Cube、Push-T 四个仿真环境里，分层规划都优于单层基线 LeWM；在 Visual AntMaze 上，三层结构把成功率从 18% 提到 73%，且规划所需算力更少。作者也写明了局限：Push-T 上超过两层反而变差，操作类数据里「上层自动丢掉细节」的效果不明显；在 DROID 真实机器人视频上只做了离线的轨迹保真度评估，不是闭环任务成功率。Hugging Face 上放出了五个环境共 93 个检查点。

【我们的判断】

这篇论文的意义在于给「不靠生成像素、在抽象潜空间里做长程规划」这条路线拿出了可复现的实证：层级越高越抽象、规划越省算力，这正是 LeCun 多年来对自回归大模型路线的核心反驳。但证据目前仍停留在仿真迷宫和简单操作任务上，真实机器人部分没有闭环成功率，离通用智能体还很远。值得关注的是 AMI Labs 选择连代码带权重完整开源，后续能否在真实机器人闭环控制上复现这种增益，才是判断这条路线能否和大模型路线正面竞争的关键。