DreamX：视频扩散模型作为通用潜在动作学习器

2026年11月3日，Hugging Face Daily Papers 报道了 DreamX，该工作将预训练视频扩散模型改造为通用潜在动作学习器。报道称，DreamX 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，从而降低基于视频扩散模型的策略计算成本。目前进展停留在论文发布与指标披露阶段，报道未提及后续实验或应用落地情况。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。