HuggingFace Daily Papers· Yang Liu, Jiacheng Liu, Hengtao Li, Yuheng Huang, Zijian Yang, Ji Dai, Maoxin Wang, Yi Gao, Qishen Wang, Baohua Yin, Peiyang Li, Shuanghao Bai, Mingyang Sun, Pengxiang Ding, Jianqin Yin, Lixin Yang, Donglin Wang·· 5 天前精选AI 评分75
HuGe: 基于自我中心经验扩展人形通用视觉-语言-动作模型
HuGe: Scaling Humanoid Generalist Vision-Language-Action Models with Egocentric Experience
AI 导读
研究团队提出HuGe，一种预训练在2000小时以上人机自我中心数据的人形通用视觉-语言-动作模型家族。HuGe采用三种代表性VLA架构预测潜在运动标记和手部控制信号，通过三阶段训练管道实现从自我中心预训练到人形适应再到下游微调的迁移。在仿真基准HumanoidArena上达到SOTA，在Unitree G1机器人上的拾取-放置任务成功率显著提升。
推荐理由
通过2000小时人机数据预训练，HuGe模型在仿真基准和Unitree G1机器人上取得突破，解决了视觉表征差异和本体感觉缺失的迁移难题。
来源：HuggingFace Daily Papers · arxiv.org