DreamX：把视频扩散模型变成跨本体通用潜动作学习器

跨本体机器人学习里，动作表征究竟该学成什么样，才不会把「换了机器人、换了背景」误判成「换了动作」？这份资料给出的答案指向 DreamX：把预训练视频扩散模型改造成通用潜动作学习器。它现在值得看一眼，是因为潜动作这条路线长期被同一个问题拖住：表征中混入了过多外观信息，一旦外观或本体发生变化，同一个动作在特征空间里就被推远，迁移随之失效。材料把这一点直接写成动机，没有绕开它。

就材料给出的范围而言，DreamX 讲清了三件事：问题，即现有潜动作常纠缠外观变化、限制跨本体；方法，即复用视频扩散模型提取紧凑潜动作；目标，即执行一致、外观与本体更不变。材料没有展开实验设置，也没有给出数据集、机器人平台或对比基线，因此它更适合当作方法思路的提要，而不是复核结果的依据。换句话说，能从中确认的是「想解决什么、打算怎么做、以什么标准自评」，而不是「比谁好多少」。这也决定了后面几条要点读起来都偏方向性。

第一条要点是动机层面的判断：潜动作纠缠外观变化，会限制跨本体。这句话的分量在于，它把失败原因归到表征本身上，而不是策略网络或数据规模上；按这个判断，换更复杂的策略并不能解决问题，因为输入的动作特征里已经带了不该有的信息。按字面理解，「外观变化」包括场景、纹理、光照一类与动作无关的视觉因素，而它们在视频里往往和动作同步变化，容易被一起编码进去。这是解读，但也是「纠缠」一词唯一合理的落点。

第二条要点是方法：复用视频扩散模型来提取紧凑潜动作。「复用」和「紧凑」这两个词值得留意：前者意味着不从头训练一个动作编码器，而是借用视频扩散模型已经学到的时空先验；后者意味着最终要压出维度更低、更聚焦的表征，而不是把中间特征原样搬过来。至于具体从扩散模型的哪一层取、如何压缩、如何与动作执行对齐，材料没有交代。可以确认的是，这条路线把动作表征学习的一部分工作交给视频生成模型来完成，这是它与其它潜动作做法最明显的区别。

第三条要点是目标属性：执行一致，且对外观和本体更不变。这两项其实互相拉扯：越强调跨本体不变，越可能把本体相关的必要信息也压掉；越强调执行一致，又越容易把具体执行细节写进表征。材料把二者并列成目标，说明作者认为可以同时取得，但没有给出量化指标来支撑，也没有报告一致性或不变量提升了多少。这是这份资料最大的信息缺口：目标写得很清楚，验证部分缺席。

读完之后能拿走的大致是三句话：问题定位在表征的外观纠缠上，手段是复用视频扩散模型，验收标准看执行一致性与跨外观、跨本体的不变性。适合已经在做潜动作、模仿学习或跨本体迁移的同行拿来对照自己的表征设计，也适合想了解视频扩散模型除生成之外还能怎么用的人当作一条线索。边界同样要说清楚：材料只有摘要级的动机、方法与目标，没有数字、没有实验平台、没有与既有方法的比较，属于一份尚待检验的工作。当作问题框架看是够的，当作结论引用则不够。