VLA 갤러리 / 모델 목록 / 산업계 모델

V-JEPA 2-AC

Meta FAIR·Mila · 2025-06

VA산업계 모델인코더 최대 1B기타

인터넷 비디오 100만 시간 이상으로 world model을 자기지도 학습하고, 무라벨 로봇 영상 62 h 미만으로 행동 조건 예측기를 붙였다.

논문

V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and PlanningarXiv 2506.09985

개요

분류

산업계 모델

유형

VA

발표

2025-06

기관

Meta FAIR·Mila

가중치 공개

예

파라미터

인코더 최대 1B(논문)/1.2B(블로그); AC predictor 약 300M

구조

백본 LLM

없음

비전 인코더

V-JEPA 2 ViT-g (최대 1B)

액션 헤드

목표 이미지 기반 MPC 계획 (기타)

청크

미공개

제어 주기

미공개

구조 원문 요약

자기지도 비디오 인코더 ViT(최대 ViT-g) + action-conditioned predictor(약 300M, 24층, block-causal attention); 목표 이미지 기반 MPC 계획(언어 입력 없음)

학습

사전학습 가속기

미공개(A100 기준 GPU-days 비교표만 있음)

사전학습 기간

미공개

사전학습 스텝·배치

미공개

GPU·TPU-시간

미공개

파인튜닝

미공개

데이터 종류

사람 영상(인터넷 비디오) + 이미지 + 실로봇 무라벨 영상

데이터 규모

인터넷 비디오 100만 h 이상 + 이미지 100만 장(VideoMix22M); AC 사후학습 DROID 무라벨 로봇 영상 62 h 미만

주요 데이터셋

VideoMix22M, DROID

태스크·평가

새 환경·새 물체 zero-shot pick-and-place 성공률 65~80%(블로그); 서로 다른 두 연구실 Franka에 배치

로봇

Franka 단일 팔

추론

추론 장치·속도

MPC 계획을 RTX 4090 1장에서 실행; 계획 시간 수치 미공개

추론 메모리

미공개

가중치 bf16 (계산)

2.4 GB

실행 위치

로컬 PC

강화학습 · 베이스

강화학습

미사용 · 자기지도 영상 사전학습 + 행동 조건 예측기 학습. 실행은 MPC 계획

베이스 제어

고정 · 베이스 제어 없음 (Franka 팔, MPC 계획)

비고

핵심 특징

인터넷 비디오 100만 시간 이상으로 world model을 자기지도 학습하고, 무라벨 로봇 영상 62 h 미만으로 행동 조건 예측기를 붙였다. 두 연구실의 Franka에서 새 물체 pick-and-place를 zero-shot 65~80%로 수행했다.

비고

파라미터 표기 충돌: 논문 인코더 'up to 1 billion' vs 블로그 '1.2 billion-parameter model'; 파라미터(B)는 큰 값 1.2. 데이터 시간(h)은 인터넷 비디오 'over 1 million hours'의 하한값. 발표 2025-06-11.

검증

확인