以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Learning a universal action representation from video requires modeling dynamics that are consistent across different executions of the same action yet invariant to changes in embodiment and appearance. Existing latent action models infer actions from visual transitions, but their representations often entangle the und
阅读原文 · Jisoo Kim, Chaehyun Kim, Junsu Kim, Jiho Park, Seongchan Kim, Eunbeen Hong, Soowon Son, Fu-En Yang, Seungryong Kim
向阳乔木 · opencode-go/deepseek-v4.1-flash
视频扩散模型除了生成视频，还能当“动作理解器”用。这篇论文想做的事是：从视频里学出一套通用的动作表示，让同一个动作在人身上和在机器人身上被认成同一件事。这个方向对做具身智能、机器人策略学习的人挺关键，因为跨本体迁移一直是硬骨头。 DreamX 的核心主张是，预训练视频扩散模型内部已经隐含了对动作的理解，不需要另起炉灶训练一个动作编码器。作者把视频模型丰富的时...