OneLA：从视频学习共享潜在动作的世界模型框架

2026年10月15日，arXiv Computer Vision 刊出 Ziyu Zhu 等作者的论文，提出 OneLA 潜在动作世界模型框架。该框架通过共享正交字典与统一预测目标学习连续潜在动作，在潜在动作预训练阶段无需任务特定设计，也无需跨域对齐损失，从而为世界模型提供共享条件接口。论文报告的性能数据为：动作循环迁移旋转误差较最强基线降低 24.8%；在联合训练下，真实场景生成的 Human Preference Score v3（HPSv3）提升 20.5%。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道在数字、时间或说法上的矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。