具身智能🔥7.0
EgoForesight：用带噪声的自我中心动作有效扩展策略学习
原标题: EgoForesight：用带噪声的自我中心动作有效扩展策略学习
📋总体概括
研究者提出EgoForesight，一个视觉-语言-动作(VLA)框架，旨在解决机器人策略学习的数据瓶颈。机器人示范数据质量高但采集昂贵，自我中心视频覆盖广但动作标签噪声大。该框架通过联合视觉-动作流将未来视觉预测与动作生成耦合，用可靠性条件化机制按噪声水平分配动作监督，并以示范结果作为补充监督信号，从而同时利用两类数据源实现策略学习的规模化。
⚡关键信息
- ▸EgoForesight是同时学习机器人示范与自我中心视频的VLA框架
- ▸核心思路是降低不可靠动作标签的影响，并把示范结果用作补充监督
- ▸联合视觉-动作流将未来视觉表征预测与动作生成统一建模
- ▸可靠性条件化机制根据噪声水平分配动作监督信号
- ▸目标是以低成本的egocentric视频扩展策略学习的任务与环境覆盖
🔥犀利点评
这个方向戳中了VLA领域的真痛点：真机示范太贵，视频数据动作标签全是噪声。用未来视觉预测当锚、按可靠性分配监督权重的思路不新但务实，本质上是把『结果对不对』作为比『动作标得准不准』更稳的信号。问题在于egocentric视频与本体的embodiment差距从未被真正解决，retargeting噪声只是表象，跨形态迁移才是硬骨头，论文能否scale还得看真机验证。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 arXiv cs.RO 论文 阅读全文 →