跳到正文
arXiv · 机器人与计算机视觉· Qingyuan Cai, Bo Zhang, Yongzhen Huang, Jianyu Chen·· 23 天前AI 评分72

EXE:基于因子化潜在动作的以自我为中心跨具身预训练框架

EXE: Egocentric Cross-Embodiment Pretraining via Factorized Latent Actions for VLA Models

AI 导读

该论文提出 EXE 框架,旨在解决机器人数据稀缺问题。方法上,利用第一人称人类操作视频作为替代数据,通过分解潜在动作表示将共享的操作先验与人体特定运动模式分离,使 VLA 模型能学习可迁移的技能而不受人体运动学偏差影响。实验表明,该方法在 RoboTwin 2.0、RoboCasa GR1 及真实世界任务中均优于未预训练的基线,且能同时受益于平行夹爪和灵巧手两种执行器。

来源:arXiv · 机器人与计算机视觉 · arxiv.org