arXiv · 机器人与计算机视觉· Yuchen Zhu, Chenyi Xu, Yulin Zhang, Gang Xu, Wentao Zhu·· 2026-10-08精选AI 评分85
Juno:驯化预测潜变量以优化视觉语言动作模型
Juno: Taming Predictive Latents for Vision-Language-Action Models
AI 导读
论文介绍 Juno 框架,利用联合嵌入预测架构(JEPA)构建控制对齐的表征骨干、预测教师及可适应动力学模型。通过动态 CLS 损失转移运动加权补丁动力学,融合当前帧 JEPA 补丁并解耦推理分支以蒸馏未来潜状态用于动作生成。
推荐理由
提出基于动作条件 JEPA 的统一框架,解决预训练与部署中的表征失配问题,在仿真与真机实验中均提升成功率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org