FactorJEPA：针对拥挤城市环境的世界模型与数据集

Kapil Wanaskar · hf · 2026-08-08

现有世界模型评估多集中于低密度、车道结构化的场景，难以应对人口稠密且混乱的“全球南方”城市环境。为此，研究者提出了 DENSEWORLD 机制，并发布了包含 22 个城市、总计 1000 小时的行车、步行与航拍视频数据集。

同时，论文引入了 FactorJEPA 架构。该方法摒弃了将未来状态编码为单一整体潜变量的做法，转而将场景分解为布局、实体和交互三个独立子空间，并利用可见性门控来保留部分观测到的智能体。实验表明，该方法在预测准确性、因果敏感性和鲁棒性上均有提升，且在 2B 和 1B 的 V-JEPA 2.1 骨干网络上表现出高度一致的方法排名。