arXiv cs.CV· Zhiyuan Xiang, Peidong Liu, Mingyang Li, Jiawei Li, Wenhow Li, Wenbo Ding, Xiang Deng·· 2 小时前AI 评分37
LAPT-Scale：用人类视频潜在动作预训练扩展具身策略
LAPT-Scale: Scaling Embodied Policies with Latent Action Pre-Training on Human Videos
AI 导读
LAPT-Scale 提出可扩展的潜在动作预训练范式，通过 LAPT-Scale-LAM 在人类视频中学习连续潜在动作，并用其为 VLA 策略预训练提供隐式动作监督。在 23.3K 小时第一人称视频上训练后，标注人类视频从 1K 扩展到 5K 小时，真实机器人成功率从 63.3% 提升至 85.0%，并泛化到未见视觉条件。该工作已被 CoRL 2026 接收。
来源：arXiv cs.CV · arxiv.org