VLA-JEPA 是视觉语言动作预训练框架,通过预测未来潜在状态学习动作相关动态,再微调动作头。论文作者来自中国科学技术大学、中关村学院、上海交通大学、清华大学、宁波东方理工大学、中国科学院大学与南开大学。

基础信息

模型类型
动作策略
已收录版本
VLA-JEPA
系列首次发布
关联机器人
1

模型动态

2026年2月

VLA-JEPA提出用于机器人控制的潜状态世界模型预训练

新模型官方发布

2月10日首版论文提出VLA-JEPA:未来帧仅用于目标编码的JEPA式潜在未来状态监督,随后适配动作头用于机器人控制,提供新的模型/训练框架选择。归档日期不等于已核实的首次代码/权重开放日,当前原生和转换文件另行记录。

本次公开变化

2月10日首版论文提出VLA-JEPA:未来帧仅用于目标编码的JEPA式潜在未来状态监督,随后适配动作头用于机器人控制,提供新的模型/训练框架选择。归档日期不等于已核实的首次代码/权重开放日,当前原生和转换文件另行记录。

重点理由:面向动作的潜世界模型训练架构实质影响选型和适配;不因本站补录、论文修订或所谓全面涨分设重点,人类视频收益有取舍。

查看全部重点动态 →

论文与报告 (1)

VLA-JEPA:利用潜在世界模型增强视觉—语言—动作模型

有论文

VLA-JEPA: Enhancing Vision-Language-Action Model with Latent World Model

arXiv: 2602.10098DOI: 10.48550/arxiv.2602.10098
作者与单位 (9)

署名方式: 原文顺序

  1. Jingwen Sun共同贡献

    University of Science and Technology of China · Zhongguancun Academy, Beijing, China

  2. Wenyao Zhang共同贡献

    Shanghai Jiao Tong University · Eastern Institute of Technology, Ningbo

  3. Zekun Qi

    Tsinghua University

  4. Shaojie Ren

    Zhongguancun Academy, Beijing, China · University of Chinese Academy of Sciences

  5. Zezhi Liu

    Zhongguancun Academy, Beijing, China · Nankai University

  6. Hanxin Zhu

    University of Science and Technology of China

  7. Guangzhong Sun

    University of Science and Technology of China

  8. Xin JinCorresponding author

    Zhongguancun Academy, Beijing, China · Eastern Institute of Technology, Ningbo

  9. Zhibo ChenCorresponding author

    University of Science and Technology of China · Zhongguancun Academy, Beijing, China

首版日期
2026-02-10
论文最新修订
v2 · 2026-02-14
会议 / 期刊
未提供

覆盖的模型版本

官方资料

提交来源或更正