Tags: #video diffusion

精读 DreamZero：把 14B 视频扩散模型改造成同时预测未来视频与动作的 World Action Model，并分析其零样本泛化、跨本体迁移与 7Hz 实时控制。

精读 Ctrl-World：用多视角联合预测、位姿条件记忆检索和逐帧动作条件，把 Stable Video Diffusion 改造成可控的机器人世界模型。

精读 Cosmos Policy：无需改动视频模型架构，通过 latent frame injection 联合生成动作、未来状态和值，并用 rollout 数据实现模型式规划。