SaiVLA-JEPA：JEPA条件下VLA控制中的未来潜变量预测评估

JEPA条件提升闭环控制成功率，未来监督未显增益。

资讯摘要

论文提出SaiVLA-JEPA，将视觉语言模型与扩散Transformer动作专家结合，并接收冻结V-JEPA编码器特征；训练时用两个轻量辅助头预测未来表征，推理时移除。作者在10,030对LIBERO-Plus回合上比较三种策略：当前JEPA条件约82.5%成功率，无JEPA为71.6%，未来监督在给定训练预算下无可检测总体增益。另评估的TCA与TPA分别适配潜上下文和部分参数，参数适配未显示稳定优势。

要点速读

1. 论文提出SaiVLA-JEPA，由视觉语言模型、扩散Transformer动作专家和冻结V-JEPA编码器组成。
2. 在10,030对LIBERO-Plus回合上，当前JEPA条件成功率约82.5%，无JEPA为71.6%。
3. 未来表征监督在评估训练预算下无总体增益；TCA的上下文重试增益属更大尝试预算下的系统级结果，TPA无稳定优势。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。