EgoLAP：从第一视角人类数据学动作

Lihan Zha 等作者提交预印本论文，提出 EgoLAP——一个视觉-语言-动作（VLA）预训练框架，通过共享的、基于语言的动作链式推理，同时从人类和机器人轨迹中学习。 EgoLAP 把运动意图表示为结构化、时间抽象的语言动作，并加入基于场景几何、物理和物体可供性的运动级推理。据论文称，在真实世界与仿真实验中，EgoLAP 平均真实任务进度达到 80.1%，比替代动作表示提升 2.3 倍，运动级推理也优于结合子任务、物体框和视觉轨迹的复合推理格式。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。