اگر در حال طراحی عامل‌هایی برای تکالیف بلندمدت هستید، با کابوس «فروپاشی» (Collapse) در مدل‌های جهان آشناید؛ وضعیتی که در آن مدل در حفظ انسجام توالی اقدامات شکست می‌خورد.
FF-JEPA این روند را با تجزیه مسیرها به زیرهدف‌های قابل مدیریت معکوس کرده است. این تغییر معماری به عامل‌ها (Agents) اجازه می‌دهد بدون نیاز به یک تصویر هدف پیش‌تعریف‌شده، در محیط‌های پیچیده پیمایش کنند.
مدل‌های فعلی Joint Embedding Predictive Architecture یا همان معماری‌های پیش‌بین بردار معنایی مشترک (JEPAs)، با مشکل «فروپاشی افق بلند» دست‌وپنجه نرم می‌کنند. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی شرط‌بندی‌های سنگین Runway روی مدل‌های جهان اشاره کردیم، صنعت در حال گذار از پیش‌بینی ساده‌ی توکن‌ها به درک عمیق دینامیک‌های مکانی و زمانی است.
طبق مستندات ارسالی به arxiv.org در ۸ ژوئن ۲۰۲۶، چارچوب Forward-Forward-JEPA روش‌های بهینه‌سازی گران‌قیمت — مانند روش متقاطع آنتروپی (Cross-Entropy Method یا CEM) — را با یک سلسله‌مراتب دوتایی جایگزین می‌کند:
- یک مدل پیش‌رو شرطی‌شده با اکشن برای مدیریت دینامیک‌های کوتاه‌مدت.
- یک برنامه‌ریز نهان (Latent Planner) بدون اکشن که زیرهدف ضروری بعدی را پیش‌بینی می‌کند.
این ساختار نیاز به تصاویر هدف را حذف می‌کند؛ تصاویری که در بسیاری از تکالیف واقعی رباتیک در دسترس نیستند. آزمایش‌های اولیه روی بنچمارک PushT نشان می‌دهد که FF-JEPA به‌طور موفقیت‌آمیزی بر فروپاشی دیده شده در مدل‌های جهان «تخت» غلبه کرده است.
برای جامعه‌ی فنی، این دستاورد به معنای تغییر گلوگاه پیشرفت از محاسبات خام (برین‌فورس کردن مسیرها از طریق CEM) به هوشمندی ساختاری است. با تبدیل برنامه‌ریزی بلندمدت به مجموعه‌ای از مسائل بهینه‌سازی کوتاه‌مدت، FF-JEPA ثابت می‌کند که فضاهای نهان سلسله‌مراتبی، کلید پیوند میان مدل‌های جهان و خودمختاری واقعی ربات‌ها هستند.
گام بعدی شما
- بررسی مقاله اصلی در arxiv.org برای تحلیل دقیق لایه‌های برنامه‌ریز نهان.
- ارزیابی قابلیت‌های FF-JEPA در محیط‌های سه‌بعدی پیچیده‌تر فراتر از بنچمارک PushT.
- مطالعه روی جایگزینی CEM با معماری‌های سلسله‌مراتبی در پروژه‌های مدل‌سازی محیطی.
اما سؤال کلیدی این است که آیا این رویکرد در محیط‌های سه‌بعدی واقعی نیز مقیاس‌پذیر است؛ در گزارش بعدی، اثر این معماری بر رباتیک صنعتی را بررسی خواهیم کرد.
گفتگو