KAIST与NVIDIA提出DreamX：用视频扩散模型读出跨身体潜在动作

KAIST与NVIDIA提出DreamX，把预训练的Cosmos-Predict2.5 2B视频扩散模型当作动作提取器，用可学习查询从骨干时空表示中读出每潜帧4个token的潜在动作，在人类视频与机器人视频混合训练后实现跨身体迁移，无需人类—机器人配对数据。