待验证50% 置信事实精确时间
第二次尝试构建视频-动作联合模型时，团队采用预训练视频预测模型 Cosmos Predict 2.5-2B 作为骨干网络，在视频生成去噪过程中提取中间潜特征，与机器人本体状态及含噪动作 Token 一同送入 Gemma Action Head，通过 Flow Matching 联合生成去噪后的动作控制 Token。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/14
首次发现
有效期至：2027/1/12
来源
涉及实体
相关事实
待验证视频生成模型对物理规律的掌握程度关系到能否用于机器人训练、自动驾驶仿真、科学模拟等应用场景67% 相似待验证排练模式利用画布生成模拟视频帧并配合自定义事件发射器模拟Director API响应，实现完全离线的端到端测试环境66% 相似待验证Cosmos以视频生成模型为核心，能够根据给定的初始画面和动作条件生成符合物理规律的未来帧序列66% 相似已验证AI视频工具如即梦、可灵、Runway的底层架构是扩散模型（Diffusion Model），通过逐步去噪的方式从随机噪声中生成视频帧65% 相似待验证在AI视频生成中引入光流估计可为模型提供显式运动先验，常用预训练光流模型包括RAFT和GMFlow65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1024136API
curl https://kongchang.com/api/v1/knowledge/claims/1024136MCP
get_claim(id=1024136)