Quantum-JEPA: Quantum Born Priors for Latent-Action JEPA World Models

📄 arXiv: 2610.27921v1 📥 PDF

作者: Zhiyuan Liu, Sicheng Liu, Haiyu Wu

分类: cs.AI

发布日期: 2026-10-20

备注: 36 pages, 7 figures

💡 一句话要点

提出Quantum-JEPA以解决世界建模中的不确定性问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 量子生成模型 世界建模 不确定性处理 多模态学习 智能体协作

📋 核心要点

  1. 现有的世界建模方法在处理不确定性时存在不足，无法有效捕捉多个合理未来的可能性。
  2. 本文提出的Quantum-JEPA框架利用条件量子Born先验，学习未来表示的分布，增强了模型的预测能力。
  3. 实验结果表明，模型在D3IL基准上生成多条路径，且在控制任务中提高了预测有效性和分布保真度。

📝 摘要（中文）

单一观察可以对应多个合理的未来，因此不确定性是世界建模的重要组成部分。然而，量子生成模型在这一任务中的应用仍然较少。本文提出Quantum-JEPA，一个潜在动作的JEPA框架，通过条件量子Born先验学习未来表示的分布。电路测量生成二进制潜在动作，经过共享预测器映射到不同的未来表示。我们通过采样能量目标训练量子先验，模型在构建的多模态任务上学习到不同的延续，并捕捉支持协调多智能体未来的潜在动作相关性。在D3IL基准上，我们的模型能够从共同起点生成多条跨越障碍的路径，而无需观察运动。在控制任务中，我们的经典和量子先验实现提高了预测的有效性和分布的保真度。我们的量子先验结合了竞争性的预测质量与参数高效的采样结构，避免了指数大小的分类输出层，同时支持相关的潜在动作。我们进一步验证了有限样本参数偏移训练，包括带读出噪声的训练。与大多数先前工作专注于模拟不同，我们还验证了在真实量子处理单元上使用训练先验进行推理的可行性。这些结果为JEPA未来预测建立了可训练的量子组件，并为探索更大规模的量子增强世界模型奠定了基础。

🔬 方法详解

问题定义：本文旨在解决世界建模中的不确定性问题，现有方法无法有效处理多个合理未来的生成，导致预测能力不足。

核心思路：Quantum-JEPA框架通过条件量子Born先验学习未来表示的分布，利用量子电路生成潜在动作，从而增强模型的多样性和准确性。

技术框架：整体架构包括量子电路生成潜在动作、共享预测器映射未来表示，以及通过采样能量目标训练量子先验的模块。

关键创新：本研究的主要创新在于引入量子生成模型作为先验，结合了高效的参数结构和支持相关潜在动作的能力，显著提升了预测质量。

关键设计：模型设计中采用了采样能量目标作为损失函数，量子电路的参数设置经过优化，以确保在训练过程中有效捕捉潜在动作的相关性。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果显示，Quantum-JEPA在D3IL基准上成功生成多条跨越障碍的路径，且在控制任务中，相较于评估的变分基线，预测有效性和分布保真度显著提升。量子先验的引入使得模型在参数效率和预测质量上均表现出色。

🎯 应用场景

该研究的潜在应用领域包括机器人导航、智能交通系统和多智能体协作等场景。通过量子增强的世界模型，能够更好地处理复杂环境中的不确定性，提高系统的决策能力和适应性，未来可能在智能城市和自动驾驶等领域产生深远影响。

📄 摘要（原文）

A single observation can admit several plausible futures, making uncertainty an essential part of world modelling. However, quantum generative models remain underexplored for this task. We introduce Quantum-JEPA, a latent-action JEPA framework that learns distributions of future representations using a conditional quantum Born prior. Circuit measurements generate binary latent actions, which a shared predictor maps to alternative future representations. We train the quantum prior through the quality and diversity of these predictions using a sampled energy objective. Our model learns distinct continuations on constructed multimodal tasks and captures latent-action correlations that support coordinated multi-agent futures. On D3IL, a benchmark of diverse human demonstrations, our trained models generate multiple obstacle-crossing routes from a common starting point without observed motion. On the controlled tasks, our classical and quantum prior implementations improve prediction validity and distributional fidelity over the evaluated variational baselines. Our quantum priors combine competitive predictive quality with a parameter-efficient sampling structure: they avoid an exponentially sized categorical output layer while supporting correlated latent actions. We further validate finite-shot parameter-shift training, including training with readout noise. Unlike most prior work, which focuses on simulation, we also verify the feasibility of inference with trained priors on a real QPU. These results establish a trainable quantum component for JEPA future prediction and a basis for exploring quantum-enhanced world models at larger scales.