据AI在线了解，V-JEPA 2 是 Meta 去年发布的 V-JEPA 模型的扩展版本，其训练数据包括超过 100 万小时的视频素材。这些数据旨在帮助机器人或其他 AI 智能体在物理世界中运行，理解并预测诸如重力等概念将如何影响事件的后续发展。
这种能力类似于儿童和动物在大脑发育过程中所形成的常识性联系。例如，当人们与狗玩接球游戏时，狗能够理解球在地上弹跳后会反弹向上，以及它应该朝着球可能落地的位置奔跑，而不是球当前所在的位置。
Meta 举例称，在某些场景中，机器人可能会面临这样的情况，例如，手持盘子和锅铲，朝着放有煮好鸡蛋的炉灶走去。AI 可以预测，接下来最有可能的动作是用锅铲将鸡蛋移到盘子里。
据 Meta 称，V-JEPA 2 的运行速度比 Nvidia 的 Cosmos 模型快 30 倍，后者也致力于提升与物理世界相关的智能水平。不过，Meta 和 Nvidia 可能使用不同的基准来评估各自模型的性能。
Meta 首席人工智能科学家 Yann LeCun 在视频中表示：“我们相信世界模型将开启机器人技术的新纪元，使现实世界中的 AI 智能体能够在不需要海量机器人训练数据的情况下，有效协助人类完成日常家务和体力劳动。”
