DreamX：视频扩散模型作为通用潜在动作学习器

基于摘要分析。DreamX 研究如何从视频中学习跨具身与外观变化保持一致的动作表示，将预训练视频扩散模型转化为通用潜在动作学习器，主要面向人类与机器人视频中的动作表征、迁移及控制，而非 EEG 或 BCI。 方法针对现有潜在动作模型（LAMs）容易混淆动作动态与无关视觉变化的问题，从视频扩散模型的时空特征中提取紧凑潜在动作，并利用生成先验分离动作相关动态与视觉外观。作者报告，每个潜在视频帧被压缩 300 倍；该数字描述表示压缩比例，不等同于控制推理加速倍数。所得潜在空间被用作跨具身、环境及动作参数化方式的共享动作接口。 作者报告，DreamX 在 LARY-Bench 上取得最先进的表征质量，并支持跨具身、跨环境的任意到任意视频迁移，以及零样本跨具身动作迁移；摘要未提供具体指标、分数、数据划分或对照基线。作者还报告，紧凑潜在策略可提高任务表现并降低基于视频扩散模型的控制计算成本，但具体控制任务、收益幅度及成本统计方式尚未验证。预训练模型、训练监督、损失形式、实验协议、消融及统计信息也尚未验证。 平台推测（待验证）：可考察的机制假设是，生成先验与紧凑表示能否帮助区分任务动态和观测域变化；但视频外观与具身差异不能直接等同于 EEG 的被试及通道差异。若探索迁移，需改造信号编码与时序表示，并确认是否具备相应预训练数据和动态监督。低信噪比、小数据及跨被试差异可能导致压缩过程丢弃任务相关信息。一个可证伪的小实验是在固定 Cross-subject EEG 划分和训练预算下，比较带与不带生成先验的紧凑表示，检验其是否改善跨被试表现而非仅减小表示尺寸。该假设不构成已有 BCI 效果证据；相关 EEG 工作尚未检索确认。