Investigación revela mejoras en la planificación de modelos mundiales JEPA

Fuentes: Research reveals planning improvements for JEPA world models

Un análisis técnico de 600 experimentos sobre el modelo JEPA (LeWM) revela que la limitación principal no es la precisión de las predicciones, sino la estrategia de planificación. El estudio demuestra que la arquitectura JEPA, que opera en espacio de embeddings para reducir la redundancia de píxeles, alcanza un 78% de éxito en tareas de larga duración cuando se usa su predictor original. Sin embargo, al sustituir el predictor por física perfecta, el rendimiento cae solo al 77%, lo que indica que el modelo ya es suficientemente preciso para la planificación básica.

La investigación identifica cuatro métodos de planificación que mejoran significativamente el rendimiento. El primero, la planificación jerárquica mediante subobjetivos cada 25 pasos, aumenta el éxito del 22% al 85% en tareas de 75 pasos, superando a la física perfecta. El segundo método, una memoria latente con un grafo de estados y costes de transición, elimina la dependencia de demostraciones expertas. Al conectar los estados de las demostraciones pasadas en un grafo y asignar costes a los saltos entre ellas, el éxito sube del 62% al 85%. Estos hallazgos sugieren que la clave para mejorar los modelos mundiales no es entrenar predicciones más precisas, sino optimizar cómo se utilizan las representaciones aprendidas para planificar acciones complejas en entornos reales.