EgoLAP 用语言-动作推理预训练 VLA，真实任务进度达 80.1%
热点事件观察中
EgoLAP 用语言-动作推理预训练 VLA，真实任务进度达 80.1%
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
EgoLAP 论文作者团队提出一种 VLA 预训练框架，通过共享的语言动作链式思维联合学习人类第一视角轨迹与机器人轨迹，把运动意图表达为结构化、时间抽象的语言动作。 论文作者称，在真实世界与仿真实验中，EgoLAP 达到 80.1% 的真实任务平均进度，较其他动作表示方式取得 2.3 倍性能提升；运动级推理也优于结合子任务、目标框与视觉轨迹的复合推理格式。
AI 根据报道生成 · 1 天前更新
最新进展10月7日 12:00
EgoLAP：通过语言-动作推理从第一人称人类数据中学习的 VLA 预训练框架报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.RO 机器人学EgoLAP：通过语言-动作推理从第一人称人类数据中学习的 VLA 预训练框架
EgoLAP 提出一种 VLA 预训练框架，通过共享的语言动作链式思维联合学习人类与机器人轨迹，将运动意图表达为结构化、时间抽象的语言动作。在真实世界与仿真实验中，EgoLAP 达到 80.1% 的真实任务平均进度，较其他动作表示方式取得 2.3x 性能提升。运动级推理也优于结合子任务、目标框与视觉轨迹的复合推理格式。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 910月7日 14:00
- 近 24 小时变化
- -50%
02.557.510
18:0010月8日06:0012:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。