UniLAP发布：流匹配统一隐动作策略

研究团队发布 UniLAP 论文，提出一种统一的连续隐动作策略，用流匹配建模隐空间，推理时不依赖未来帧。该模型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。 UniLAP 以 1.1B 参数规模在多源视频上预训练，作者称其在手部姿态预测、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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。