BeJEPA：目标条件人形行为世界模型论文发布

Liyun Yan 等研究者提出并发布 BeJEPA 论文，一种通过无监督强化学习从人体运动先验和机器人交互中学习的目标条件人形机器人行为世界模型，用联合嵌入预测架构（JEPA）学习身体构型与世界放置的共享表示。 论文称，在 20 秒运动跟踪实验中，BeJEPA 配合基于 Dynamic 的在线动作细化在全球身体位置误差上优于所有被评估基线，在 AMASS 上相对 BFM-Zero（带世界位姿输入）降低 61.7%，相对 SONIC 降低 58.7%。在 Unitree G1 上的物理部署中，模型实现了姿态、世界位置与朝向目标的联合达成、从地面起身，以及受扰动和目标变化后的闭环回归。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。