跳到正文
arXiv · AI· Lihan Zha, Shresth Grover, Tenny Yin, Samuel M. Bateman, Hengkai Pan, Mengchao Zhang, Aykut Onol, Allen Z. Ren, Dhruv Shah, Anirudha Majumdar·· 2026-10-07AI 评分30

EgoLAP 提出基于语言动作推理的第一视角人机数据预训练框架

EgoLAP: Learning from Egocentric Human Data through Language-Action Reasoning

AI 导读

EgoLAP 利用第一视角人类数据训练 VLA 模型,实现 80.1% 的真实任务进度,性能提升 2.3 倍。 该框架将运动意图转化为结构化语言动作,并结合场景几何与物体可供性进行运动级推理,优于复合推理格式。 此方法有效缩小了人类与机器人间的体现差异,提升了控制策略的可迁移性。

来源:arXiv · AI · arxiv.org