Demo-JEPA：面向单次跨本体模仿的联合嵌入预测架构

arXiv 2026 46.4 method

TLDR

Demo-JEPA利用基于JEPA的世界模型，通过预测视觉演示的未来潜在轨迹，实现一次性跨本体模仿。

评分理由

The paper presents a novel framework that decouples demonstration intent from embodiment-specific actions, leveraging a world model for latent trajectory prediction. Strengths include strong empirical results on both simulated and real-world tasks, while weaknesses may include limited discussion of failure cases or scalability to more complex embodiments.

Read-first 评分解释

综合优先阅读分 46.4，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 29。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

80.4

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.80414777

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：实验

主题相关性 29%

41.4

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：310。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

generative world model

world simulator

interactive world model

video world model

深度分析

创新点

将演示意图与具身特定执行解耦
使用基于JEPA的世界模型将源视觉演示转换为与目标兼容的未来潜在轨迹
避免动作级别的对应，仅需视觉演示和目标智能体自身的交互经验
单次跨具身模仿

方法

Demo-JEPA基于JEPA世界模型构建。它将源视觉演示转换为共享预测表示空间中与目标兼容的未来潜在轨迹。然后，目标智能体将这些潜在轨迹作为子目标，通过在其自身学习的前向动力学下进行规划来实现它们，仅需视觉演示和目标智能体自身的交互经验。

关键结果

在RLBench和真实世界操作任务上的实验表明，Demo-JEPA与专门领域内规划器性能相当，并能泛化到先前方法失败的未见任务和具身配置上。

资源

论文