V-JEPA 2 / V-JEPA 2-AC

V-JEPA 2는 메타 FAIR가 2025년 6월 공개한 12억 파라미터 규모의 자기지도 학습 영상 월드 모델로, 물리 세계를 이해하고 행동 결과를 예측해 로봇이 계획을 세우게 하는 것이 목표다. 픽셀을 생성하지 않고 영상의 가려진 부분을 잠재 표현 공간에서 예측하는 JEPA 방식이며, 로봇용 V-JEPA 2-AC는 고정한 영상 인코더 위에 약 3억 파라미터의 행동 조건 예측기를 얹어 현재 상태와 동작으로 다음 장면의 표현을 예측한 뒤, 목표 이미지에 가장 가까워지는 동작열을 cross-entropy method로 찾아 첫 동작만 실행하고 다시 계획하는 모델 예측 제어(MPC)를 쓴다. 학습은 인터넷 영상·이미지 100만 시간 이상으로 인코더를 사전학습한 뒤, DROID의 라벨 없는 로봇 영상 약 62시간으로 예측기를 후학습하는 두 단계다.

메타는 학습용 데이터셋을 모으지 않은 두 실험실의 Franka 팔에서 과제별 추가 학습 없이 새 물체 픽앤플레이스 성공률 65~80%를 냈다고 발표했다. 코드와 체크포인트는 연구·상업용으로 공개됐고, 물리 이해 벤치마크 IntPhys 2·MVPBench·CausalVQA도 함께 나왔다.