DreamFree：免生成未来视频的世界动作模型

Jaehyeong Jo 等作者在 arXiv 预印本（arXiv:2611.04527）中提出世界动作模型 DreamFree：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，仅用当前观测预测冻结视频扩散模型的表征，再由动作模块提取动作信息，从而不生成未来视频即可预测动作。 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。作者还称，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。 上述结果均为作者自述，论文为预印本，尚未经同行评议或独立验证；成功率的具体任务数、试验次数与分母未在摘要中给出。

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。