arXiv cs.RO 机器人学· Qi Chen, Yuwei Wu, Quan Chen, Kunpeng Gao, Jin Chen, Che Sun, Zhi Gao, Yunde Jia·· 2 小时前精选AI 评分53
CapPro：用单段人类演示视频实现 VLA 模型的跨任务适应
One-shot Human Video-Guided Adaptation for Vision-Language-Action Models
AI 导读
论文提出 CapPro 框架，让 VLA 策略仅凭一段人类演示视频即可适应此前未见过的操作任务，无需目标任务的机器人演示或微调。CapPro 包含两个模块：相位感知的人类视频表示模块通过视觉 token 选择构建紧凑视频表示，并在相位-字幕监督下学习任务相关查询表示；视频条件化适应模块将这些表示并入预训练 VLA 策略的动作条件上下文。
来源：arXiv cs.RO 机器人学 · arxiv.org