V-JEPA 2: A Self-Supervised Video Model Embodied for Robot Control

V-JEPA 2是Meta FAIR于2025年提出的视频-联合嵌入预测架构（V-JEPA）的第二代模型，专为具身机器人控制设计。该模型通过自监督学习从大规模未标注视频中学习物理世界表征，并将学到的表征直接用于机器人规划和控制，无需大规模机器人演示数据。V-JEPA 2在多个机器人操作和导航基准上展现出零样本和少样本迁移能力，验证了自监督视频预测模型作为通用具身智能基座的潜力。适用于机器人运动规划、场景理解和模拟到真实迁移场景。