arXiv · 机器人与计算机视觉· Shenyi Li, Ziyang Zhang, Wen Wu, Ming Liu, Chao Zhang·· 2026-10-20精选AI 评分85
Time-JEPA:利用物理时间序列锚定视频世界模型
Time-JEPA: Grounding Video World Models with Physical Time Series
AI 导读
论文 Time-JEPA 针对视频世界模型缺乏物理状态演化信息的不足,提出用低维时序对齐的物理量作为辅助监督信号进行微调。该方法在自动驾驶、机器人操作和人体运动等多个领域均提升了当前状态解码、多步未来预测及运动学重建性能,且在跨条件与变量分布偏移下表现更稳健。外部评估显示其能增强对物理异常及交互的敏感度,且方法可迁移至不同视频骨干网络。
推荐理由
该工作提出用低维时序物理量辅助监督视频世界模型,在自动驾驶、操作与人体运动等多域任务上提升状态解码与未来预测能力。
来源:arXiv · 机器人与计算机视觉 · arxiv.org