JST-2 是 Viggle 推出的物理原生世界基础模型，将场景、角色和动作统一到可进入、可探索的 3D 世界。

在潜在特征空间预测视频，并用于动作理解与机器人规划的世界模型系列。

以机器人视角预测未来场景，并研究视频到动作转换的世界模型。

将视频预测和动作推理结合的因果视频动作世界模型。