运动

从视频中学习动作，首先要处理机械臂运动与物体响应混在一起的问题。

同样的机械臂运动，在不同接触状态下，可能带来不同的物体响应。

这是in-contexthuman-to-robotmotiontransfer的一种具体形式，也为零样本跨形态运动迁移（zero-shotcross-embodimentmotiontransfer）提供了定性证据。

零样本跨形态运动迁移

真实控制指令由此有了专门的运动表示作为对齐目标。

骨架监督视频中的运动表示，运动与残差分量分别为世界模型提供条件，动作适配器再把机器人指令映射到运动表示。

在人手到机器人的迁移实验中，输入换成人类演示，生成视频中的机械臂仍然呈现出与演示对应的运动方向。

人手与机械臂的外观、结构和所在场景都不同，演示中的运动方向仍然体现在生成结果中。

给潜在动作一个明确的运动参考