arXiv · AI· Yang Zhang, Jiangyuan Zhao, Chenyou Fan, Jiayu Hu, Xiu Yuan, Chenjia Bai, Xiu Li·· 2026-10-14AI 评分42
V-JEPA Policy: 基于预测性视觉潜空间的构建有效世界-动作模型
V-JEPA Policy: Building Effective World-Action Models on Predictive Visual Latents
AI 导读
提出 V-JEPA Policy 框架,利用冻结的 V-JEPA 2.1 编码器潜空间构建世界-动作模型,实现 0.9B 总参数下在 LIBERO 等基准上具有竞争力的表现。 该框架单次阶段联合训练未来潜变量预测器与 flow-matching 动作专家,0.6B 参数可训练。 实验表明,在分布偏移场景下,V-JEPA 潜空间优于判别式及重建式视觉基础模型。
来源:arXiv · AI · arxiv.org