DreamX：视频扩散模型可作为通用潜在动作学习器

DreamX 将预训练视频扩散模型改造为通用潜在动作学习器，把每个潜在视频帧从 1,200 个 token 压缩到 4 个，压缩率达 300 倍。在 LARY-Bench 上，DreamX 在潜在动作模型中达到 SOTA，其潜在动作空间支持跨人类与机器人等不同具身、环境和动作参数化的任意视频迁移与零样本动作迁移。该共享接口还可用于在紧凑潜在动作空间中学习策略，降低基于视频扩散模型的策略计算成本。