跨机床部署工业世界模型需要在动力学、传感接口、采样方式和控制单元的变化之间进行迁移。本文研究了一种 模式自适应动作条件联合嵌入预测架构（SAAC‑JEPA），用于数控机床（CNC）动力学建模。源机床提供 17 条标准传感通道，目标机床仅共享其中的 10 条。为评估迁移能力，采用了以下实验设计：
- 将源数据按组划分为不相交的子集；
- 仅使用源数据进行归一化；
- 保留自监督验证集用于早停；
- 对模型进行单元审计；
- 在模型锁定后对目标机床进行封闭测试。
在五个随机种子下，JEPA 预训练并未提升干净源数据的预测精度：从头训练得到的 RMSE 为 $0.811\pm0.022$，预训练主体模型为 $0.813\pm0.022$。随后在源域中搜索 20 种候选模型，经过七次种子稳定性检查后选出一个 模式一致的动作条件 JEPA。在确认性的目标测试中，锁定模型实现了零样本预测 RMSE $0.546$、$R^2=0.012$、负对数似然 (NLL) $0.52$，优于持久化基线，但仍落后于配备 RevIN 的 PatchTST 与 iTransformer（分别为 $0.503$ 与 $0.498$）。
进一步的配对消融实验显示，在相同架构下加入 RevIN 可将 RMSE 降至 $0.495\pm0.004$（三次种子），但在静止上下文窗口中导致 NLL 急升至 $20.6$，表现出校准失效。随后进行的锁前适配扫荡在有限的目标支持下将 RMSE 再次降低至 $0.520$。
这些结果表明，仅凭源域预测精度不足以评估工业预测表征的有效性；在传感器部分重叠的跨机床适配是一个独立且重要的评估维度。
点评