KAIST 与 NVIDIA 发布 DreamX 论文：视频扩散模型成为通用潜在动作学习器

KAIST 与 NVIDIA 发布 DreamX 论文，提出将预训练视频扩散模型用作编码器，从人类第一视角视频和机器人视频中学习紧凑、外观不变的潜在动作表征。该方法解耦外观与运动，支持跨本体迁移，并可从潜在动作直接训练“pick up the block”等机器人策略，为利用海量人类视频开展机器人策略学习提供了新路线。