**一先两动:复用视频扩散模型实现自监督潜在动作学习**

_One Prior, Two Dynamics: Repurposing Video Diffusion Transformers for Self-Supervised Latent Action Learning_

> 该研究提出了 O²LaF 框架,通过复用预训练视频扩散模型(DiT)作为统一先验,同时解决逆动力学与顺动力学问题。该方法利用可学习动作查询的编码器处理逆动力学,并构建因果动作生成的视频生成器处理顺动力学,在无需标签的视频中实现了端到端的优化。实验表明,O²LaF 在导航和机器人操作任务中达到了最先进水平,显著提升了少样本动作探测与零样本跨情境、跨具身动作迁移能力。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-11-20 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2611.26617)