3月24日，由Yann LeCun参与指导的团队正式开源世界模型LeWorldModel（简称LeWM）。该模型基于JEPA（联合嵌入预测架构），通过极致简化的设计，实现了“单GPU训练、1秒规划、懂物理规律”的核心突破，专为机器人与AI智能体的规划控制场景打造，彻底降低了世界模型的使用门槛，相关代码、论文及项目主页已同步公开。
一、核心亮点：轻量化与高性能的双重突破
LeWorldModel颠覆了传统世界模型“大参数、高算力”的固有认知，在参数规模、训练成本与执行速度上实现跨越式提升：
超小参数体量：仅1500万参数，远低于同类世界模型（通常亿级以上），轻量化设计让部署更灵活；
单GPU即可落地：所有训练与规划实验均在单张NVIDIA L40S显卡上完成，几小时即可完成训练，无需集群或超高配硬件；
极速规划能力：完整任务规划耗时不到1秒，比依赖大模型预训练的DINO-WM快48倍，可满足实时控制需求；
物理规律理解：能从像素输入中学习位置、角度等物理信息，准确预测物体运动轨迹，还能识别“违反物理定律”的场景（如物体瞬移），面对物理扰动时“惊讶值”显著提升，而对物体变色等视觉扰动反应平淡。
二、技术架构：极简设计，回归JEPA本质
LeWorldModel的核心创新在于“去繁就简”，摒弃了传统JEPA架构的复杂技巧，仅通过“编码器+预测器+双损失函数”实现稳定端到端训练：
1.核心组件（仅2个）
编码器（Encoder）：将输入的像素画面（如机器人视角图像）压缩为紧凑的latent特征向量，实现观测数据约200倍的缩小，提升后续预测效率；
预测器（Predictor）：接收当前latent特征与用户指定的动作指令，预测下一时刻的特征向量，从而推断“动作执行后的世界状态”。
2.损失函数（仅2个）
传统JEPA需依赖多个复杂损失函数防止模型崩溃，而LeWM仅用两组损失实现稳定训练：
预测损失（Prediction Loss）：采用MSE均方误差，确保预测器输出的下一时刻特征与真实特征一致，让模型学会世界的动态规律；
SIGReg正则损失：强制所有latent特征向量服从标准高斯分布，从根本上避免模型“摆烂坍塌”（即所有输入画面输出相同特征）。
总损失公式简化为：总损失=预测损失+λ×SIGReg正则损失（λ为唯一需调优的超参数），极大降低了训练门槛。
三、实验结果：性能碾压传统JEPA，比肩大模型方案
团队在4个经典机器人/控制任务（Push-T推箱子、Reacher机械臂够目标、OGBench-Cube 3D机械臂抓方块、Two-Room 2D导航）中，将LeWM与PLDM（传统端到端JEPA方法）、DINO-WM（大模型预训练世界模型）进行对比，结果表现亮眼。
此外，在物理信息预测测试中，LeWM对机器人/方块位置、方块角度、机械臂指尖坐标的预测精度接近100%，与DINO-WM水平相当，远超PLDM。通过可视化解码器，还能清晰展示模型对真实场景的还原能力与未来运动的预测准确性。
四、团队背景与开源资源
1.核心团队
项目由米兰国际关系学院（Mila）博士生Lucas Maes牵头，纽约大学博士后Quentin Le Lidec（与LeCun合作）、三星研究员Damien Scieur、布朗大学助理教授Randall Balestriero等共同参与，Yann LeCun作为核心指导者提供技术支持，团队深耕JEPA架构优化、物理理解与智能体控制领域多年。
2.开源资源
项目主页：le-wm.github.io/
GitHub代码库：github.com/lucas-maes/le-wm
论文地址：arxiv.org/pdf/2603.19312v1
五、行业意义：推动世界模型平民化与实时控制落地
LeWorldModel的开源打破了世界模型“高算力依赖”的壁垒，其核心价值体现在：
对开发者：单GPU训练+极简架构，让中小团队与个人开发者无需高额算力投入，即可搭建专属世界模型；
对应用场景：1秒级规划速度适配机器人实时控制、智能体决策等场景，推动世界模型从“实验室研究”走向工业落地；
对技术趋势：证明了“轻量化+端到端”是世界模型的可行方向，为后续机器人、自动驾驶、智能体等领域的技术迭代提供了新范式。
未来，该模型有望进一步拓展至更复杂的3D环境与多智能体协作场景，持续降低“AI理解物理世界”的技术门槛。
AI 速览
