**掩码视觉动作：统一世界建模新范式**

_Masked Visual Actions for Unified World Modeling_

> 该研究提出“掩码视觉动作”，通过像素级部分轨迹揭示的方式，将机器人动作与视频模型的视觉先验对齐。仅需15小时真实与仿真视频微调，单一模型即可在多种场景和机器人形态中实现高保真视觉生成与精准控制。该方法可预测物理交互结果、辅助基于模型的规划决策，并能从期望结果反推机器人运动，为具身智能的世界建模提供了统一且高效的解决方案。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-07-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.19343)