V-JEPA Policy：预测视觉潜空间世界-动作模型

2026年10月15日，arXiv Artificial Intelligence 刊出 Yang Zhang 等作者的报道，提出 V-JEPA Policy 框架。该框架在冻结的 V-JEPA 2.1 编码器潜空间上构建世界-动作模型（WAM），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。报道称其总参数 0.9B、可训练参数 0.6B，并在 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。目前该事件仅有这一篇报道，尚无后续跟进或不同说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。