BeJEPA：通过无监督强化学习构建的目标条件化人形机器人行为世界模型

基于摘要分析。BeJEPA 研究人形机器人如何同时达到全身姿态、世界坐标位置与朝向目标，针对根坐标系轨迹模仿控制器在位移扰动后难以恢复目标世界位姿的问题，提出从人类运动先验与机器人交互中通过无监督强化学习获得的目标条件化行为世界模型。 方法采用联合嵌入预测架构（JEPA），学习身体构型与世界空间位姿的共享表征。Dynamic Predictor 根据动作预测下一状态嵌入；Successor Predictor 将目标条件化策略下预期的折扣未来状态嵌入汇总为单个向量。联合训练时，前者以观测到的物理转移约束初始表征，后者逐渐按长期行为组织表征；二者通过一次物理预测与一个行为摘要引导策略改进，不依赖长序列想象展开。具体损失、目标条件的构造及训练调度尚未验证。 作者报告，在 20 秒运动跟踪实验中，结合 Dynamic 在线动作细化的 BeJEPA 在全局身体位置误差上优于全部受测基线；在 AMASS 上，相对使用世界位姿输入的 BFM-Zero，该误差降低 61.7%，相对 SONIC 降低 58.7%。作者另报告，Unitree G1 实机部署展示了姿态、世界位置与朝向目标的联合达成、从地面恢复，以及扰动和目标变化后的闭环返回。这些是机器人运动控制结果，而非神经信号解码结果。 平台推测（待验证）：若将该机制用于 BCI 驱动的机器人辅助控制，可检验短期物理预测与长期目标摘要能否改善受扰后的目标恢复；可复用的是机器人侧预测与策略改进机制，需另行设计 EEG 意图到目标条件的映射。原方法依赖运动先验及机器人交互状态转移，EEG 的低信噪比、跨被试差异和小样本意图估计可能使目标条件不稳定。一个小规模实验可在相同机器人策略和扰动协议下，对比明确目标输入与含受控错误的 EEG 解码目标输入，评估返回误差及恢复时间。相关 EEG 工作尚未检索确认；全文实验划分、消融、统计信息及复现条件尚未验证。