什么驱动了联合嵌入预测世界模型在物理规划中的成功？

arXiv 26.1 2026 53.5 method

TLDR

研究联合嵌入预测世界模型（JEPA-WM）在物理规划中的设计选择，在模拟和真实任务上超越基线。

评分理由

Strengths include a comprehensive ablation study of key components and validation on both simulated and real-world robotic data. Weaknesses are that the abstract does not detail specific limitations or failure cases, and the core contribution is incremental within the JEPA family.

Read-first 评分解释

综合优先阅读分 53.5，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 34。

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%

78.8

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：0.78812949

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：基线、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：检查点、代码、GitHub

主题相关性 29%

48.6

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

排序敏感性

稳定性：volatile；排名波动范围：234。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

interactive world model

world simulator

generative world model

video world model

深度分析

创新点

将一类世界模型表征为联合嵌入预测世界模型（JEPA-WMs）
对JEPA-WM家族中关键组件（模型架构、训练目标、规划算法）的全面研究
提出的模型在导航和操作任务上优于DINO-WM和V-JEPA-2-AC

方法

本文使用模拟环境和真实机器人数据进行实验，系统研究了模型架构、训练目标和规划算法对规划成功率的影响。提出的模型与两个既定基线DINO-WM和V-JEPA-2-AC在导航和操作任务上进行了比较。

关键结果

提出的模型在导航和操作任务上均优于DINO-WM和V-JEPA-2-AC。

资源

论文