desglose del modelo mundial V-JEPA 2 por @k7agar profundizando en la arquitectura que hizo posible que llevara a cabo la toma de taza con una tasa de éxito del 65% menciona el 'problema del objetivo lingüístico' donde el robot puede entender lo que necesita lograr sin que se le muestre una imagen / múltiples imágenes sería interesante explorar un enfoque descentralizado para eso 1. el modelo mundial genera iteraciones de 'objetivo' 2. una red de verificación descentralizada vota sobre cuál se considera un 'objetivo' preciso, por ejemplo, identificar un sándwich BLT enlace a continuación