› September 2026, eingereicht von Yang Zhang und sechs weiteren Autoren auf arXiv, stellt ein Framework namens V-JEPA Policy vor.
› Es geht um eine Klasse von Modellen, die die Autoren als "Welt-Aktions-Modelle" (World-Action Models, WAMs) bezeichnen: Systeme, die gleichzeitig zukünftige visuelle Zustände vorhersagen und Aktionen generieren - also für die Steuerung von Robotern oder ähnlichen Agenten gedacht sind.
› Das zentrale Problem Bisherige WAMs bauen laut den Autoren typischerweise auf vollständigen vortrainierten Videogeneratoren oder Bildbearbeitungsmodellen auf.
› Sie erben dabei sowohl das Vorwissen als auch die komplette Modellarchitektur.