SG-JEPA 论文:世界模型「地球训练、火星部署」,零样本物理泛化误差减半
randall_balestr · x · 2026-09-11
arXiv 论文(2609.10464)提出 Semigroup-JEPA(SG-JEPA),研究世界模型能否学到足够好的物理规律,在训练时从未见过的动力学条件下零样本泛化——口号是「在地球训练,在火星部署」。
方法与结果:
- 在 LeWorld 框架基础上,通过 action-conditioning 把控制物理规律的参数(如引力)输入时序模型,并联合训练编码器与预测器,以自回归 latent rollout 保证 latent 动力学一致性;
- 评测设计:不同引力场下的动力学任务,物理定律相同但动力学性质迥异(弱引力下的漂浮到强引力下的快速弹跳);
- 效果:对比 DINO-WM,二维数据集开环预测误差最多降低 2 倍,三维机器人数据集(配独立 diffusion policy)控制成功率最高提升 2.5 倍;
- 理论解释:作者构建线性特征模型,区分局部规律条件误差与 rollout 过程中的递归放大,发现把多步 rollout 损失反传到表示层,可训练编码器保留对泛化有用的特征。
「具身」频道最新
- CoRL 论文：flow matching VLA 单步 Euler 推理即可匹配多步效果 — kaixhin · 2026-10-26
- 机器人灵巧性评测该比什么：速度、力控与工具使用缺一不可 — DJiafei · 2026-10-26
- 深圳公司把人形机器人装上工业机械臂组合亮相 — RoboBalaji · 2026-10-26
- 成人玩偶厂商 Realbotix 推出仿真人脸人形机器人 Echo — CyberRobooo · 2026-10-26
- 轨道螺栓机器人 6-7 秒紧固一颗,亚毫米精度上岗铁路维护 — RoboBalaji · 2026-10-26
- 特斯拉 FSD 获拉脱维亚批准,覆盖第 10 个欧洲国家 — XFreeze · 2026-10-26