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

arxiv · arXiv · 2026-10-07 01:30 · 评分 93

EgoLAP提出一个视觉-语言-动作（VLA）预训练框架，从人类第一视角数据中学习动作意图，并通过共享语言-动作推理跨越人类与机器人的本体差异，从而减少对昂贵机器人演示的依赖。