← 世界模型 / 未来预测如何用联合视频动作与真实反馈闭环DreamZero · 原文 Fig. 4 · p.6 ↗
2026 预印本 / World Models
DreamZero
World Action Models are Zero-shot Policies
arXiv · 2026
快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗
关键框架 FRAMEWORK
训练时用共享目标联合预测视频与动作;执行动作块后,把真实观测更新到 KV cache,再预测下一段。
- 01编码视觉、语言与状态
- 02联合视频动作 flow matching
- 03用真实观测更新缓存
THE IDEA
它在解决什么
从视频生成底座出发,联合建模未来画面与机器人动作,用于跨任务策略迁移。
WHY READ IT
为什么放在这条路线
作为 2026 年 WAM 代表预印本,有作者代码与评测入口,可追踪预测和动作的耦合。
READ WITH A QUESTION
读的时候,留意什么
零样本必须注明针对任务、场景还是本体;比较数据分布、闭环观测纠偏、延迟及可用权重。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器