视频表征相似度

NIL：无数据模仿学习

NIL: No-data Imitation Learning

用预训练视频 ViT 的嵌入相似度加分割掩码相似度构造无判别器的模仿奖励，把 2D 生成视频当作 3D 物理仿真中技能学习的视觉监督信号，为视觉表征直接驱动具身控制提供了可复用范式。