分散式 JEPA 機種群體：標籤高效、邊緣可行的未來共同狀態預測
為何重要
這項研究標誌著從「集中式中央演算」向「網狀協作」的關鍵技術轉變，驗證了透過輕量級訊息交換達成 label-efficient（標籤高效）的自主控制可行性。對開發者而言，這意味著在不依賴雲端或昂貴監督標籤的情況下，能部署具備泛化能力與容錯性的機器人群體，直接優化了後續自主代理與無人載具的落地難度。
研究提出一種名為 CS-JEPA 的機器人群體演算法，解決了在頻寬受限與缺乏標籤標註的情況下，分散式機器人如何預測共同未來狀態的課題。
- 模型部署時僅使用 16 幀區域性歷史紀錄與每條有向邊傳遞 64 個浮點數迴圈訊息，不依賴全域性池化或錄製的未來動作。
- 相較於僅增加 9,607 個訓練引數的原始未來重建法，CS-JEPA 在處理高達 108 部機器人的多種分佈與拓樸場景時，大幅優化了預測誤差與群體間一致性。
- 特別是在規劃相關的價值估計評估中，CS-JEPA 成功將分支價值均方誤差（MSE）降低 45.5%，並將上下文候選評分相關性提升了 0.1291。