AVL-JEPA：防止JEPA世界模型的因果动力学信息坍缩

联合嵌入预测架构（JEPA）在不重建观测的情况下预测未来潜表示，使世界模型聚焦高层语义动力学。但JEPA可能在保留高维视觉信息的同时丢弃动作的物理后果信息。我们把这种失败模式称为因果动力学信息坍缩，并提出动作接地的视觉不变潜表示（AVL）来防止：先用执行动作作为辅助动力学锚，鼓励模型保留动力学信息；再用视觉不变通路——在不丢弃动力学信息的前提下对齐扰动与干净的潜预测，迫使模型充分理解并利用因果动力学信息。我们在四个机器人控制任务（TwoRoom、PushT、OGBench Cube与Reacher）上验证AVL：视觉扰动下成功率大幅提升且保持干净环境性能；进一步评估物理后果对齐、干净-噪声动力学一致性及定向转移子空间擦除的因果效应。总体上结果表明：与规划因果相关的动力学信息在AVL下免于坍缩。