像素运动表示

像素运动扩散正是机器人控制所需

Pixel Motion Diffusion is What We Need for Robot Control

把像素运动作为高层意图与低层动作之间的可解释中间表示，并用扩散模型同时建模两层控制器；做视觉-语言-动作（VLA）或机器人操作的研究者可以借鉴这种「运动中心」的中间抽象来缓解仿真到现实的域差，并复用其仅需少量微调即可真机迁移的流程。