VLA 模型开源

VLA-JEPA

中国科学技术大学、中关村学院、上海交通大学、清华大学中国

GitHub 仓库 ginwind/VLA-JEPA

返回项目库
类别
VLA 模型
开放程度
开源
发布时间
2026 年 2 月
开源协议
Apache-2.0
发布方所在地
中国

项目简介

在视觉-语言-动作模型中引入潜在世界模型的训练方法。以 Qwen3-VL-2B 为视觉语言底座、V-JEPA 2 为视频编码器,训练时在潜在空间预测未来画面特征,因此既能用机器人数据,也能用没有动作标注的人类视频学习。代码基于 starVLA,支持 LeRobot 格式的自定义数据,提供 LIBERO、LIBERO-Plus、SimplerEnv 的评测脚本和权重。

规模
基于 Qwen3-VL-2B 视觉语言模型和 V-JEPA 2 ViT-L 视频编码器

适配机器人

  • WidowX
  • Google Robot
  • Franka Research 3

获取方式

相关概念

数据来源

本页信息均整理自以下公开资料。

3 条来源核验于 2026-10-01

星标、下载量等指标定期自动更新。

VLA-JEPA:VLA 模型介绍、GitHub 仓库与开源协议 | 具身集