IJCAI 2026 专访：机器人想学会人类动作，还差一座桥 | GAIR Paper 118

• 01论文提出在人类视频与机器人动作之间搭建 representation bridge。
• 02不同方法包括潜在动作、显式 2D、显式 3D 和世界模型。
• 03世界模型在预测未来环境变化方面表现良好。
• 04现有评测基准可能无法准确预测真实部署效果。

不同方法的本质，都是在人类视频与机器人动作之间搭建一座 representati

世界模型在预测未来环境变化方面表现良好。