Meta发布RoboJEPA机器人缩放律研究

Meta FAIR联合Mila、蒙特利尔理工等机构推出80亿参数的机器人潜在世界模型RoboJEPA，并基于覆盖12种机器人本体的大规模数据训练。团队发现，模型的想象误差随算力呈二阶幂律下降，规划性能与该误差强相关；模型还能根据单张目标图像零样本规划，并在真实机器人硬件上完成长时程任务。 全部模型检查点以及训练、部署代码计划开源。作者称，这是首个基于真实机器人数据建立多本体世界模型缩放律的研究，80亿参数也是该方向已知最大规模。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。