#视频学习

给世界模型配上骨架，动作不再和画面混在一起

一篇 arXiv 论文用机器人骨架信息给视频学到的潜动作「分家」，在公开数据集上把末端误差降了近两成。本文讲它解决的老问题、验证结果，以及哪些说法要打问号。