arXiv cs.RO 机器人学· Xiang Zhu, Puzhen Yuan, Yichen Liu, Jianyu Chen·· 2 小时前精选AI 评分55
HARP-VLA：面向视觉-语言-动作模型的人机对齐表征学习
HARP-VLA: Human-Robot Aligned Representation Learning for Vision-Language-Action Model
AI 导读
HARP 提出一种人机对齐表征学习框架，用成对人机演示作为跨本体桥梁、大量非配对人机视频作为可扩展的动态监督数据源，训练机器人适配的视觉编码器与潜在动作模型，以实现更有效的 VLA 预训练。特征可视化、仿真与真实操作实验显示人机对齐与下游策略性能均有提升，在 CALVIN ABC→D 上达到 4.481 平均长度，真实世界成功率较最强基线提高 7.1 个百分点；代码、视频与演示已开放。
推荐理由
论文给出人机对齐表征的具体训练方法与量化结果，关注跨本体 VLA 预训练的研究者可据此评估其有效性。
来源：arXiv cs.RO 机器人学 · arxiv.org