Este trabajo presenta SkyJEPA, un modelo al estilo JEPA diseñado para el control en tiempo real de cuadricópteros que aborda los problemas de amplificación de errores inherentes a la predicción autoregresiva a largo plazo. El enfoque combina un modelo de dinámica latente con un prober inspirado en la física para mapear latentes congelados a estados interpretables, permitiendo predicciones fundamentadas físicamente.
- Combina un modelo de dinámica latente con un prober novel inspirado en la física para el mapeo de estados interpretables.
- Integra el modelo aprendido con una solución de control óptimo basada en muestreo para el control en tiempo real en hardware embebido.
- Desarrolla una pipeline estructurada para la generación automatizada de conjuntos de datos con el fin de reducir la dependencia de la recopilación de datos del mundo real, que es costosa e insegura.
- Demuestra predicción precisa, transferencia robusta cero-shot de simulación a realidad y fuerte generalización en diversas condiciones operativas en experimentos en lazo abierto y en lazo cerrado al aire libre.
Los autores consideran esto importante porque permite una transferencia robusta cero-shot de simulación a realidad y una predicción precisa a largo plazo para vehículos aéreos ágiles sin requerir extensos datos de entrenamiento del mundo real.