DreamFree：用表征蒸馏让世界动作模型免于想象未来视频

DreamFree 是一种世界动作模型（WAM），通过表征蒸馏把预训练视频扩散模型改造成预测性视觉编码器，仅用当前观测即可预测冻结视频扩散模型的表征，再由动作模块提取动作相关信息，从而无需生成未来视频就能预测动作。作者称在真实世界和仿真任务中，DreamFree 的成功率高于当前先进的 VLA 和 WAM，并在 14B 视频扩散骨干上以 11Hz 实现实时闭环控制。实验还显示，更强的视频先验和额外视频数据可转化为更好的机器人控制，并能从视频演示中学习新机器人任务，包括来自不同本体的视频，且新任务无需动作标注。该论文为 arXiv 预印本（arXiv:2611.04527）。