arXiv cs.RO 机器人学· Yang Zhang, Jiangyuan Zhao, Chenyou Fan, Jiayu Hu, Xiu Yuan, Chenjia Bai, Xiu Li·2026-10-14 12:00· 5 小时前精选AI 评分62

V-JEPA Policy：在预测式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 提出在冻结的 V-JEPA 2.1 编码器潜空间上构建世界-动作模型（WAM），指令条件化的未来潜变量预测器与流匹配动作专家在单一下游阶段从零联合训练，预测器的未来上下文 key-value 状态用于条件化动作生成。

推荐理由

论文在同一训练预算下对比了多类视觉基础表征，可为选择视觉预训练方案提供参考。