一句话看懂：Meta 等机构的研究者发布 RoboJEPA，一个基于 JEPA 架构、覆盖 12 种机器人本体的潜空间世界模型，首次给出多本体机器人世界模型的算力缩放规律，并让 8B 模型零样本在真实 Franka 机械臂上执行长程规划任务。
事件核心：发生了什么
据 alphaXiv 收录的论文页面，RoboJEPA 于 2026 年 10 月 7 日公开。该模型基于联合嵌入预测架构（JEPA），不直接生成像素，而是用冻结的 V-JEPA 2.1 编码器把相机画面转成特征，再用可训练的预测器结合动作、机器人状态、视角和本体标识，预测下一步特征。
训练数据来自 23 个公开数据集、覆盖 12 种机器人平台，预测器规模从 2200 万到 80 亿参数。论文报告称，模型在九步展开下的想象误差随训练总 FLOPs 呈二阶幂律，用 22M–2B 模型拟合后，能在 4B 和 8B 留出检查点上外推，DROID 与 RoboCasa 上的平均绝对外推误差分别为 0.6×10⁻³ 和 1.4×10⁻³。在真实 Franka 机器人上，8B 模型在 Object Lift 任务 30 次尝试中成功 15 次，未做任务微调。
为什么重要
机器人数据与算力都很贵，过去团队很难判断多投数据、参数还是算力是否值得。RoboJEPA 给出的缩放规律，等于提供了一种训练前的“天气预报”：可以先从较小模型推断更大模型的质量。论文还显示想象误差与下游规划表现强相关，使其有潜力成为真实机器人评测的代理指标。对行业而言，这意味着机器人世界模型开始从单个演示走向可预测、可复用的工程化路径。
对用户/开发者/创作者的影响
目前公开信息显示，研究团队已放出全部模型检查点、训练代码和机器人部署代码。对开发者来说，8B 预测器是目前规模最大的 JEPA 预测模型，且验证了跨 12 种本体的训练方式，可作为机器人学习与规划系统的基础组件。对做具身智能产品的团队，缩放规律有助于更理性地规划算力和数据预算。对创作者，短期影响有限，因为该模型不直接生成图像或视频，暂时不构成内容生成工具的替代。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 RoboJEPA 的二阶幂律能否在更多机器人任务和更大参数规模上继续成立，目前拟合仅基于 22M–2B 模型、外推至 8B。二是想象误差作为真实机器人成功率代理的可靠性，是否会在不同任务分布下保持。三是这套检查点和部署代码被社区复现后，能否形成围绕 JEPA 世界模型的开源机器人开发生态。
来源：alphaXiv
