你的 AI 机器人之所以「绕远路」，可能是因为它在用几何距离冒充「任务进度」
- 关联论文：2607.25337
想象一个场景：你训练了一个机器人抓桌上的杯子。它明明在动，却每次都绕开最宽的那一侧去接近杯子，多花三倍时间。工程师查完发现——模型其实知道杯子在哪，它只是不知道哪条路更接近终点。
这不是模型的锅，是训练目标的锅。今天几乎所有 JEPA 系世界模型都在训练「下一个时刻的 latent 长什么样」；而规划器在部署时需要的是「哪条候选路线离目标更近」。两者之间，隔着一道被默认掉的裂缝。
2026 年的 Temporal-Distance JEPA（TD-JEPA） 正面处理了它。做法反直觉：既然缺「进度」标签，就从离线轨迹的 step order 里自己挖一个。
一、为什么重要：训练目标 ≠ 规划需求
JEPA 不重建像素、只预测 latent 表征，避开了 pixel-MSE 的模糊感，成为 2024–2026 离线控制的主流 backbone。但接上 MPC 规划器后，错位暴露了：
| 训练时优化 | 部署时需要 | |
|---|---|---|
| JEPA 表征学习 | 短时距 latent 预测误差 | —— |
| MPC 规划打分 | —— | 多步想象中的未来轨迹按「进度」排序 |
以往 JEPA planner 的排序代理是什么？嵌入空间的欧氏距离，等于默认「几何上近 = 进度相同」。这在两类任务上直接崩：
- 拓扑型进度——判断「是否穿过了那扇门」。门两侧的几何距离可能只差几厘米，路径拓扑上却隔着整栋楼。
- 接触密集型进度——推块、插孔时，几何距离与真实进度严重耦合混乱。
还有个更现实的痛点：reward 通常是缺的。工厂遥操作日志、人类演示视频、批量仿真 rollout——数据 plentiful，却没一条带奖励。
二、核心机制：从轨迹里挖「有方向的时间距离」
TD-JEPA 不重造架构，保留 LeWM 的 encoder-predictor 主干，在 encoder 输出上挂一个有方向的时间距离头。全程不假设 reward，靠三个信号：
- 同轨迹正样本：同轨迹相距 k 步的状态对 $(s_t, s_{t+k})$，评分应单调递减——远则大、近则小。
- 跨轨迹启发负样本：跨轨迹随机采样的状态对，评分应更大。
- Rollout-consistency 正则：encoder 表征空间做 k 步 rollout，其距离应贴近 head 的输出。
for batch in offline_logs:
tau = batch.sample_trajectory(); t = randint(0, len(tau)-k-1)
pos = (tau.s[t], tau.s[t+k]) # 同轨迹正样本
neg = (batch.sample_other_traj().s[0], tau.s[t+k]) # 跨轨迹负样本
d_pos = head(z[pos[0]], z[pos[1]]) # 应小
d_neg = head(z[neg[0]], z[neg[1]]) # 应大
d_roll = || predictor^k(z[tau.s[t]], a_seq) - z[tau.s[t+k]] ||
loss = ranking_loss(d_pos, d_neg) + lambda_consist * (d_roll - d_pos)**2
loss.backward(); update(head, encoder_unfreeze_last_k)
同一个 head，两个角色：拓扑型任务直接用 head 输出当 MPC 打分函数；接触型任务则让梯度回传去改善 encoder 表征，规划仍用欧氏距离。部署时 planner 一行都不用改，只换打分函数或表征来源。
三、证据边界
直接来自论文 abstract：
- Two-Room 导航（拓扑型）：成功率 100.0%，LeWM 为 97.4%。
- OGB-Cube（接触型）：保持欧氏规划，用 TD-JEPA 表征相对 LeWM +14.2 分。
- Push-T：abstract 仅写 "improves"，未给具体幅度，不能引用为数字。
- 总体：locked evaluation 下对 LeWM 与同期 RC-aux 在每个环境上 match 或超过。
- 消融：三项信号各自有贡献，但单项下降幅度未披露。
边界要说清：逐 seed 的方差与显著性未给出；「+14.2 分」的评测口径、是否多 seed 平均、是否只在 lock-eval 成立，均需正文确认。把 100% 当成可稳定复现的结论是过度解读。
四、工程局限：五个必须提前知道的坑
- mined cost 可能与真实进度脱节。轨迹分布偏移时（训练用短走廊、部署用复杂家庭环境），head 会误导规划。务必保留欧氏代价作 fallback。
- 跨轨迹负样本是启发式的。高维异构轨迹集里容易产生过多 "easy negative"，排序区分度不足；上线前建议做 zero-shot mined cost vs 欧氏代价对照实验。
- λ_consist 没有推荐默认值（论文未明确）。从 0.1 起 grid search，防止这一项主导梯度、破坏原有表征。
- 长 horizon 完全未验证。实验只有 Two-Room、OGB-Cube、Push-T。多步家务、跨房间导航这类任务上，head 的「时间距离」可能不再单调。Three-Room 及以上不可直接外推。
- 与 encoder 强耦合。底座 encoder 本身偏弱时，head 无法单独补救。
好消息：head 参数量约 encoder 的 5–10%，单卡 A100 可训，几乎无额外算力负担；遥操作日志、演示视频、批量 rollout，只要有状态轨迹就能用，不用人工标 reward。
五、一句话总结
TD-JEPA 抛出一个简洁的反直觉结论：规划排序不必依赖几何距离，可以从离线轨迹的 step order 里自己挖出来。 这把 JEPA 系从「训练目标 ≠ 规划目标」的老坑里拽了出来。
论文 arXiv：https://arxiv.org/abs/2607.25337
三个标题变体
反直觉版：你的 AI 机器人之所以「绕远路」，可能是因为它在用几何距离冒充「任务进度」 数字钩子版：成功率 100% vs 97.4%，+14.2 分：一篇论文教世界模型从没有奖励的轨迹里，自己挖出「时间进度代价」 类比版：不重建像素、不标奖励，只看轨迹的先后顺序——世界模型规划器由此学会「排序未来」
📱 小红书风格卡片文案（可直接发布）
🤖 机器人绕远路，不是因为笨，是因为它在用「几何距离」冒充「任务进度」
今天所有 JEPA 世界模型都在训练「下一个时刻长什么样」， 规划器真正需要的却是「哪条路线离目标更近」。
🔍 TD-JEPA 的解法 - 保留 LeWM 主干，只加一个有方向的「时间距离头」 - 不假设有 reward，从离线轨迹挖三类信号：同轨迹 k 步对（距离单调递减）、跨轨迹随机负样本（应更大）、rollout-consistency 正则（预测距离贴合真实 rollout） - 同一 head 两个角色：拓扑任务当打分函数，接触任务当表示学习信号；planner 一行不改
📊 数字：Two-Room 100% vs LeWM 97.4%｜OGB-Cube 保持欧氏规划 +14.2 分｜Push-T 仅写 improves，无数字别乱引
⚠️ 5 个坑 1️⃣ 分布偏移会误导规划 → 务必保留欧氏代价 fallback 2️⃣ 负样本是启发式的 → 高维场景先做 zero-shot 对照 3️⃣ λ_consist 无默认值 → 从 0.1 起 grid search 4️⃣ 长 horizon 未验证 → Three-Room 以上不可外推 5️⃣ 强依赖底座 encoder → 弱 encoder 救不回来
💡 最值钱的一条：代价函数不必从 reward 来。工厂遥操作日志、演示视频，只要有状态轨迹就能用。
🔗 arXiv：https://arxiv.org/abs/2607.25337