Dream4ACT：面向多具身视频-动作建模的共享视觉动作接口

Dream4ACT 是一个面向跨具身联合视频-动作建模的世界模型，通过共享视觉动作接口统一不同具身的动作表示。研究指出，关节空间动作向量缺乏显式图像空间结构，且在不同具身间维度与语义各异，难以直接利用视频生成模型的时空先验；末端执行器可视化虽可替代，但无法给出机器人执行所需的完整关节构型。