arXiv cs.RO 机器人学· Yankai Fu, Ning Chen, Junkai Zhao, Shaozhe Shan, Guocai Yao, Pengwei Wang, Zhongyuan Wang, Shanghang Zhang·· 5 小时前精选AI 评分55
METIS：基于多源第一人称数据预训练的灵巧视觉-语言-动作模型
METIS: Multi-Source Egocentric Training for Integrated Dexterous Vision-Language-Action Model
AI 导读
METIS 是一个面向灵棒操作的视觉-语言-动作（VLA）模型，通过构建统一动作空间的多源第一人称数据集 EgoAtlas，融合人类与机器人数据进行预训练。论文进一步提出紧凑离散的运动感知动态表征作为监督信号，将推理与动作整合进统一框架，在 6 项真实任务中取得最高平均成功率，并展现出对分布外场景的泛化与鲁棒性。
推荐理由
论文指出灵巧操作数据稀缺源于遥操作成本高，并给出统一动作空间的多源数据集构建思路，可迁移。
来源：arXiv cs.RO 机器人学 · arxiv.org