arXiv cs.AI· Yang Zhang, Jiangyuan Zhao, Chenyou Fan, Jiayu Hu, Xiu Yuan, Chenjia Bai, Xiu Li·2026-10-15 12:00· 9 小时前AI 评分37

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，总参数 0.9B、其中 0.6B 可训练，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 cs.AI · arxiv.org