JEPA由Yann LeCun提出，正从视觉自监督方法演变为机器人与具身智能的核心认知层。它抛弃了对奖励函数的依赖，通过预测世界演化状态，为机器人提供了理解物理世界的全新视角。
智能速览
JEPA从2022年愿景演变为2026年具身智能核心
放弃对奖励函数依赖，学习世界演化逻辑
在潜在空间预测表征，适应真实物理环境
统一感知与行动语义，构建认知层
让机器人围绕世界推演行动，接近真正智能体
精华内容
从预测像素到预测世界表征，JEPA正在重新定义机器人的学习方式，使其更贴近物理世界的真实运行逻辑。
从视觉到具身
JEPA最早系统性出现于2022年Yann LeCun的愿景论文中。
2023年Meta AI发布I-JEPA，首次证明了不预测像素也能学到稳定表征。
到2026年，JEPA已从视觉自监督方法，演变为机器人与具身智能的世界模型认知层基础。
抛弃奖励函数
真实世界里不存在密集的奖励信号，也没人实时反馈“做对了什么”。
JEPA放弃了传统强化学习对奖励函数的高度依赖。
它让系统学习更底层的逻辑，即世界在当前状态下，接下来“应该如何演化”。
潜在空间的预测
在JEPA架构中，机器人不再直接预测未来的图像像素。
而是在共享的潜在空间里，预测未来状态的表征是否一致。
这种机制天然贴合连续、噪声大的物理世界环境，比起精确生成，更强调预测方向的正确性。
感知与行动统一
视觉、触觉与关节状态被映射到同一个认知空间。
这统一了感知与行动的语义空间，机器人不再是“看完再想”。
它能够在世界模型内部直接推演行动的可能性，提升了对环境的理解深度。
构建认知层
JEPA不负责底层的电机控制与轨迹规划。
但它构成了控制之上的认知层，决定了机器人是否真的理解自己身处的世界。
从性能指标上看，其价值不在于“更强”，而在于让机器人拥有了真正的智能雏形。
JEPA的核心价值在于让机器人摆脱奖励函数的牵引，开始围绕“世界会如何继续”来行动。这种基于世界演化预测的机制，标志着机器人正第一次接近真正智能体的定义。
