SkyJEPA：学习长时域世界模型以实现四旋翼飞行器的零样本仿真到现实控制

arXiv 2026 53.8 method, application

TLDR

SkyJEPA结合潜在动力学与物理启发探测器，实现四旋翼长时域控制及零样本仿真到现实迁移。

评分理由

The paper introduces a novel JEPA-style model for quadrotor control, addressing long-horizon prediction errors via latent dynamics and a physics-inspired prober. Strengths include extensive real-world experiments and zero-shot transfer; weaknesses are domain specificity to quadrotors and lack of comparison to RL-based world models.

Read-first 评分解释

综合优先阅读分 53.8，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 32。

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%

89.4

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：0.89442086

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：数据集、实验

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：代码、数据集

主题相关性 29%

45.7

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

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：330。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

world simulator

generative world model

interactive world model

video world model

深度分析

创新点

首次将JEPA风格模型应用于高频实时四旋翼控制
新颖的物理启发探测器，将冻结的潜在表示映射为可解释的物理状态
结构化自动数据集生成流程，减少对真实世界数据的依赖
在室外闭环实验中展示了零样本仿真到现实迁移

方法

该方法结合了潜在动力学模型（JEPA）与物理启发探测器，该探测器将冻结的潜在变量解码为可解释的状态，从而实现基于物理的长时域预测。学习到的模型与基于采样的最优控制方案集成，用于嵌入式硬件上的实时控制，并通过结构化流程自动化数据集生成，以避免昂贵的真实世界数据收集。

关键结果

开环和室外闭环实验表明，该方法实现了准确的长时域预测、鲁棒的零样本仿真到现实迁移以及在多种操作条件下的强泛化能力。

资源

论文