arXiv Artificial Intelligence· Yang Zhang, Jiangyuan Zhao, Chenyou Fan, Jiayu Hu, Xiu Yuan, Chenjia Bai, Xiu Li·· 19 小时前AI 评分33
V-JEPA Policy：在预测性视觉潜空间上构建世界-动作模型
V-JEPA Policy: Building Effective World-Action Models on Predictive Visual Latents
AI 导读
V-JEPA Policy 在冻结的 V-JEPA 2.1 编码器潜空间上构建世界-动作模型，从零联合学习指令条件未来潜变量预测器与流匹配动作专家，总参数 0.9B、可训练 0.6B，在 LIBERO、LIBERO-Plus 和 RoboCasa-GR1 上取得与代表性 WAM 及视觉-语言-动作基线相当的性能。
来源：arXiv Artificial Intelligence · arxiv.org