WING：通过以交互为中心的频谱隐空间引导学习世界动作

针对自我中心视频中帧重建推断的隐动作易受相机运动等干扰、且人类与机器人行为时序动态不一致的问题，研究者提出 WING（World Action Learning via INteraction-Centric Spectral Latent Guidance），以交互为中心的频谱隐空间引导实现从人类视频到机器人操作策略的迁移。