【具身AGI导读】潜空间世界模型靠比「离目标多远」来挑动作——被预测得更接近目标的那个候选会不会反而更差2026 年 9 月 21 日arXiv 刊出一篇预印本《D-JEPA: A Decision-Aligned Latent World Model》。论文先量出一个错位潜空间世界模型能预测动作的后果但预测得准并不保证潜距离能反映哪个候选会被成功执行——在争夺执行的那几个候选未来里被预测得更接近目标的那个实际执行结果可能比另一个可选项更差。论文把这种错位命名为「决策局部预测错位」预测几何在整个候选集上仍然有信息量可一旦收窄到离执行最近的那几个动作就几乎分不出好坏。它给出的做法不动预训练预测器只在其之上加一层有界、置换等变的集合算子在完整候选集上同时看目标相对的预测特征与候选之间的序数证据用训练时已经执行过的结果去监督候选之间的决策关系不同预测几何各自用无量纲的序数坐标交流证据同一套对齐因此能跨多种预测器成立最后把学到的次序写回未来表征让原本的潜距离规划就能复现对齐后的选择。论文在潜控制与操纵任务、一组双臂语言条件任务以及一台真机平台上的真实推物与双臂堆叠上做了评测作者报告其成功率高于所设的多条对照。放回具身智能的技术版图上看这篇论文把分歧提在两个位置上。一是世界模型落地到控制先修哪一环有的路线把力气花在让预测更准——更大的骨干、更长的预测视野论文主张预测器可以不动错位出在选择这一步只要在候选集合上把决策关系对齐最终被选出去的动作就会变。论文的消融显示关系对齐这一项单独带来的变化比其余几处更明显在同一套关系架构下同时接入两种预测几何的证据也明显好过只用其中一种候选给得越多表现越好。论文也把这层错位定位为对既有两条方向的补充——一条是把计划的代价算得更保真一条是让潜空间的度量更贴近规划本身——它要处理的是候选之间「谁会被成功执行」。二是评价世界模型的尺子放在哪拿全局预测误差当世界模型的成绩单量的是「平均算得准不准」可控制回路真正关心的是最终选出的那一个对不对。深度机智北京科技有限公司做物理AI 基座模型数据、模型到本体一路自研。这篇论文值得留意的地方是它没有去换一套更大的预测器而是把「预测」与「决策」分开算账。作者为真机侧划的边界写在同一处预测器、搜索预算与低层控制器保持不变同一批配对试验里既有增益也有回退。论文没有独立的局限章节也没有给出公开代码库未见公开的第三方复现。把未来算得更近和把该选的那一个选中不是同一件事。参考资料- arXiv · D-JEPA: A Decision-Aligned Latent World Model · 2026-09-21编辑具身AGI具身智能第一现场⭐点赞、转发、在看一键三连⭐点亮星标锁定具身AGI极速推送
