JEPA4R改读单目深度相机点云:想象轨迹解码成4D点云,200步内平均误差不超过1.1厘米
JEPA4R把JEPA世界模型的输入从图像换成单目深度相机的彩色点云,在点云潜空间里预测、规划并通过冻结潜空间上的策略头行动,作者称之为4D点规划。在OGBench的Cube-Single、Cube-Double、Cube-Triple和Scene上,它领先像素JEPA模型;在CortexBench的MetaWorld与Adroit Relocate上分别取得98.4%和88.0%成功率,排名第一,高于第二名R3M的96.0%和65.3%。附加在冻结世界模型上的解码器把每条想象轨迹还原为4D点云,200个环境步内平均点误差保持在1.1厘米以内。