LaMo：用于长时域预测的潜在运动世界模型

基于摘要分析。LaMo 研究视频世界模型的长时域预测问题，提出只预测表征的一阶变化，而非每一步重新预测完整潜在状态的结构化潜在动力学模型。其主要研究对象是复杂驾驶场景中的视频动态，不是 EEG 或 BCI 信号。 核心机制：作者将运动 token 定义为编码学习表征一阶变化的连续潜在变量，可类比为潜在空间中的光流，但不能据此认定模型直接使用显式光流监督。模型以当前潜在状态和一小段历史运动 token 为条件，自回归采样下一个运动 token，再通过冻结的状态转移模型推进潜在状态。该设计旨在减少反复携带静态信息的负担，区别于像素空间预测及逐步预测稠密潜在状态的方法；实际计算节省尚未验证。 预测参数化：作者在同一上下文 Transformer 骨干上采用两种替代方案，即 Gaussian mixture head 与 conditional flow-matching head。摘要未说明具体训练损失、运动表征的学习方式、状态转移模型的训练过程，也未给出两种预测头各自的性能差异。 评估与边界：作者报告，在 BDD100K 的长时域 rollout 评估中，模型改善了复杂驾驶场景的长期动态建模。摘要未提供具体指标、预测时长、数据划分、对照基线或数值，因此不能据此判断改进幅度及适用范围。实验协议、消融及统计信息尚未验证；复现还需核对全文中的表征构建、训练配置、采样流程和评估定义。 该摘要没有提供 EEG/BCI 验证，也未建立驾驶视频运动表征与神经信号之间的具体对应关系，不应将其结果解读为 BCI 长时序建模效果；相关 EEG 工作尚未检索确认。