搜索结果

动机：现有潜动作常纠缠外观变化，限制跨本体；方法：复用视频扩散模型提取紧凑潜动作；目标：执行一致、外观/本体更不变；提交日期 2026-11-03（cs 相关）

机器人策略能否在没见过的环境里完成没训练过的行为，是机器人学习里最难绕开的问题之一。NVIDIA的DreamGen资料给出的切入点是视频世界模型：先用图像到视频生成模型合成机器人执行任务的视频，再把视频转成可训练的“神经轨迹”。

机器人操作的研究长期被切成几块：策略怎么学、学完怎么评、评的时候在哪儿跑。这三件事各有各的工具链，接口往往靠人工对齐。这份资料给出的答案是把它们收进同一个视频生成框架，用「世界基础平台」的说法，把三者当成同一套模型的三种用法。

字节跳动 Seed 官方技术报告——字节跳动 Seedance 1.0：探索视频生成模型的边界

阿里巴巴 通义实验室 官方技术报告——阿里通义万相 Wan：开放的大规模视频生成模型

机器人操作的关键难点在于，动作执行之前就要预判物体、接触与场景几何会被怎样改变，这正是 world model 反复被提起的原因。但这个词如今同时指潜在动力学模型、动作条件视频生成器、三维与四维场景预测器、物理约束仿真器，以及 VLA 系统内部的预测模块，含义已相当分散。