CLAW：用对抗正则化从无动作视频学习连续潜在动作世界模型

CLAW 是一个全端到端自监督框架，可直接从无动作标注的视频中联合学习世界模型与连续潜在动作表示。它用对抗式潜在正则化防止潜在变量编码未来观测，使潜在变量捕捉动作结构，并以扩散模型把环境动态建模为未来观测的分布而非单次确定性推演。作者称该潜在动作世界模型支持从观测做模仿学习与目标导向规划，并在多任务、多本体实验中优于现有方法。