异构机器人的校准预测安全：具有基于模型的安全防护罩的动作条件 JEPA 框架

视觉-语言-动作策略泛化能力较强，却无法保证执行安全；传统模型驱动规划器遵守运动学与几何约束，但泛化较差。本文研究动作条件JEPA世界模型能否在执行前预测候选动作块的任务进展与物理风险，并与针对机器人形态的模型驱动安全屏障结合。滚动时域决策流程先生成K个候选动作块，再由JEPA在冻结编码器的潜空间中、结合机器人形态嵌入预测各候选轨迹；经校准的风险与进展预测头评分并报告不确定性，确定性安全屏障过滤不可执行的候选，多级回退机制处理没有合规候选的情况。学习到的排序仅用于合规候选之间的比较，执行保障来自安全屏障和回退机制。研究按预注册方案在LIBERO-Long仿真中评估，在600回合配置下，完整框架比仅用安全屏障的基线提高成功率，并在相同召回率下减少碰撞漏报。论文还提供机器人端及边缘加速器的部署效率测量；真实机器人任务实验和离线重排序显著性检验尚未完成。