UniLAP：基于流匹配的跨本体统一隐动作策略

UniLAP 提出一种统一的连续隐动作策略，通过流匹配建模隐空间，推理时无需依赖未来帧。它以流自适应目标蒸馏 LAM 教师模型，继承其动作表示并保留可行行为的多模态分布，同时提取无标签运动目标以隔离与任务无关的外观干扰。该模型以 1.1B 参数规模在多源视频上预训练，在手部姿态预测、单臂与人形操作及真实世界部署上超越现有隐动作与 VLA 基线。