V-JEPA 2 (世界模型 · 1.5B) 架构解析、开源权重与部署指南

概述

这个模型的核心架构、动作空间设计与真机部署定位。

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。

资料出处 V-JEPA

关键参数与架构规格

参数量、网络主干、控制频率、显存需求及 Hugging Face Hub 统计。

参数量: 1.5B
微调显存需求: 8GB
闭环控制频率: 25Hz

网络架构: 时空视频扩散 Transformer (Spatio-Temporal World Model)
动作空间表示: 连续关节角度 / 末端 6D 位姿动作块（Action Chunking, H=16~50 步）
支持数据格式: LeRobot ParquetRLDS (TFRecord)HDF5

快速部署与许可说明

开源许可证、权重拉取命令、预训练数据集与关联文章。

代码许可证

Apache-2.0

权重许可证

开源发布（具体许可证见官方）

权重下载与策略推理参考

# 1. 从 Hugging Face Hub 下载模型权重与配置
huggingface-cli download embodied-ai/v-jepa-2 --local-dir ./checkpoints/v-jepa-2

# 2. 使用 LeRobot / Transformers 加载策略开展真机或仿真闭环推理
python -m lerobot.scripts.eval --policy.path=embodied-ai/v-jepa-2

预训练数据 7

数据集droidapache-2.0 数据集DROIDApache-2.0 数据集droidcc-by-4.0 数据集droidApache-2.0 数据集droidApache-2.0 数据集droidApache-2.0 数据集droidapache-2.0

关联机型

模型卡或论文声明在这些机器人上训练、微调或部署过；口径是作者声明，不是第三方复现。

机型关联记录 1

适配机型	实测说明与帧率表现	记录日期
Franka FR3	模型 V-JEPA 2（架构：时空视频扩散 Transformer (Spatio-Temporal World Model)，输出：连续关节角度 / 末端 6D 位姿动作块（Action Chunking, H=16~50 步））基于 Franka FR3 相关轨迹或任务环境训练/微调，可通过 Hugging Face 权重直接部署验证。	2026-10-10