# V-JEPA 2

> 权威词条地址：https://robotics.hellobike.com/models/v-jepa-2
> 所属分类：models | 最近核验日期：2026-10-10 | 技术层级：L7

## 核心摘要

视频自监督世界模型；使用 62 小时 DROID 数据微调后，可执行零样本目标图像规划。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `updated` | 2026-10-10 |
| `vendor` | meta |
| `family` | world_model |
| `params` | 1.5B |
| `architecture` | 时空视频扩散 Transformer (Spatio-Temporal World Model) |
| `action_representation` | 连续关节角度 / 末端 6D 位姿动作块（Action Chunking, H=16~50 步） |
| `code_license` | Apache-2.0 |
| `weights_license` | 开源发布（具体许可证见官方） |
| `finetune_vram_gb` | 8 |
| `data_formats` | ["LeRobot Parquet", "RLDS (TFRecord)", "HDF5"] |
| `pretraining_data` | ["droid"] |
| `control_hz` | 25 |
| `status` | research |
| `overview_sources` | ["https://ai.meta.com/research/vjepa/"] |

## 技术详解与生态说明

该模型属于世界模型（world_model）家族，主干为时空视频扩散Transformer架构，参数规模1.5B，是视频自监督世界模型，动作空间输出表示为连续关节角度、末端6D位姿动作块，支持H=16~50步的动作序列输出，控制频率为25。

该模型基于DROID数据集完成预训练与微调，使用62小时DROID数据微调后可执行零样本目标图像规划，支持LeRobot Parquet、RLDS（TFRecord）、HDF5三类数据格式，代码采用Apache-2.0许可协议，权重开源发布，具体许可协议可参考官方说明。

## 原始核验来源 (Sources)

- [V-JEPA](https://ai.meta.com/research/vjepa/)