2026WRC第二日，星源智再传喜讯——继具身交互世界模型ω-EVA后，公司发布World Model最新研究成果——JEPA-WAM。该模型由星源智联合创始人、算法负责人何嘉伟博士与星源智实习生林艺涵主导研发，针对现有机器人视觉语言动作模型泛化性不足、视频生成式世界动作模型部署成本高，以及latent世界模型中世界建模与动作生成监督割裂等问题，提出全新的latent世界建模方案。
JEPA-WAM以小模型参数量，无需大规模机器人预训练数据和像素级未来视频生成，通过学习环境时序变化规律，并将世界建模与动作生成进一步打通，在较低算力和数据成本下提升机器人策略的环境泛化能力。
从此前发布的具身交互世界模型ω-EVA到JEPA-WAM，星源智正在围绕一个核心方向持续推进World Model研究：世界模型不只是预测未来，更要理解行动与环境变化之间的关系，并最终服务于机器人的动作决策。
从“预测画面”到“理解变化”：重构机器人世界建模逻辑
真实世界始终处于变化之中。相机视角、光照、场景布局以及物体位置都可能发生改变，仅学习“观测—动作”关联，很难支撑机器人面对真实环境中的分布偏移。
传统VLA主要学习“观测—动作”关联，对环境动态变化缺乏建模；视频生成式WAM通过预测未来视频理解环境变化，但推理成本较高；现有latent WAM则存在未来表征压缩失真，以及世界建模与动作生成监督脱节等问题。
针对这些问题，JEPA-WAM不再以生成一幅确定的未来画面为目标，而是转向学习跨任务通用的环境时序变化规律。模型基于冻结的预训练V-JEPA编码器，构建当前—未来联合结构化表征目标，不压缩细粒度空间信息，完整保留patch-level空间对应关系，对场景局部区域变化、物体位置迁移、空间关系重构等动态特征进行建模，让模型理解“环境如何发生变化”，而非机械记忆“固定未来画面”。
这一变化也指向机器人World Model更核心的价值：相比生成一个视觉上完整的未来，机器人更需要获得能够帮助其判断和行动的环境动态信息。
首创共享预测器架构，让“理解世界”直接服务“如何行动”
理解环境如何变化之后，更关键的问题是，如何让这种理解真正作用于机器人行动。
JEPA-WAM首创Shared Predictor（共享预测器）双任务协同架构，由同一预测器同时承担latent状态时序预测与连续动作生成两项任务，将环境动态变化的监督信号直接反向优化动作生成主干网络，让策略网络主动适配环境动态特性。与此同时，模型通过独立的动作读取分支，规避时序预测与动作预测任务之间的相互干扰，在兼顾世界建模有效性的同时保持动作生成精度。部署过程中无需生成未来视频帧，也进一步降低了视频生成式世界模型带来的推理成本。
JEPA-WAM的时序过渡监督方案还具备通用适配能力。在不改变原有模型感知、动作生成核心通路的情况下，通过新增轻量级未来Token、对齐V-JEPA联合表征目标，可以为已有预训练VLA补充环境动态先验，并可适配π0.5等预训练VLA策略。这意味着，World Model不仅可以作为一套独立模型存在，还可以成为一种可迁移的通用辅助监督范式，进入已有机器人策略体系。
与此同时，JEPA-WAM基座模型仅0.5B参数，无需大规模机器人预训练数据，也无需像素级未来视频生成，在性能、效率与部署成本之间寻求更适用于真实机器人系统的平衡。
目前，JEPA-WAM相关代码已正式开源。星源智希望通过开放研究成果，为World Model与机器人策略融合提供更多可复现、可验证的技术参考，推动latent世界建模在具身智能领域的进一步探索与应用。
从ω-EVA到JEPA-WAM，让World Model真正服务机器人行动
JEPA-WAM并不是星源智在World Model方向的第一次探索。此前发布的ω-EVA具身交互世界模型，通过Envision–Verify–Act（预演—验证—执行）闭环，在机器人执行动作前预测候选动作对应的未来状态，并基于预测结果验证、优化动作，让世界模型进入机器人动作决策过程。
如果说ω-EVA关注的是“这么做，会发生什么”，让机器人利用未来预测更好地行动；那么JEPA-WAM关注的则是“世界是怎么变化的”，通过学习环境时序变化规律，让世界建模直接参与动作策略优化。
二者采用不同的建模路径，构成了星源智探索World Model的两种能力视角：一方面，让机器人能够预演行动可能带来的未来；另一方面，让机器人理解环境如何随时间和行动发生变化。二者最终指向同一个目标——让World Model从预测世界进一步走向服务机器人行动。
热门跟贴