arXiv · cs.RO· Oliver Hausdörfer·2026-10-20 15:55· 5 天前精选AI 评分70

多视角潜在动作预训练用于跨具身机器人视频学习

Multi-View Latent Action Pretraining for Cross-Embodiment Robot Learning from Videos

AI 导读

Oliver Hausdörfer提出一种多视角潜在动作模型(LAM)，通过交叉注意力解决深度和遮挡问题，将同步多摄像头视图压缩为潜在动作。实验表明，双视角LAM预训练将真实6D动作解码准确率提高17%，下游策略成功率提升13.5%，单次跨具身学习即可实现技能迁移，硬件实验中成功率提升20%。

推荐理由

多视角潜在动作预训练将6D动作解码准确率提升17%，证明视频与机器人数据互补且任务依赖性强。

来源：arXiv · cs.RO · arxiv.org