EgoLAP：通过语言-动作推理从第一人称人类数据中学习

EgoLAP: Learning from Egocentric Human Data through Language-Action Reasoning

AI 导读

EgoLAP 是一个 VLA 预训练框架，通过共享的基于语言的动作思维链，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% 的平均真实任务进度，相比其他动作表示提升 2.3 倍，运动级推理也优于子任务、物体框与视觉轨迹组合的推理格式。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：第一人称人类数据为将机器人学习扩展到昂贵的机器人演示之外提供了一条路径，但具身差异使得原始人类轨迹难以成为控制的良好监督目标。我们的关键洞见是，尽管低级动作具有具身特异性，但其底层运动意图能够捕捉可跨人类与机器人迁移的任务相关结构。我们提出 EgoLAP，一个 VLA 预训练框架，通过共享的基于语言的动作思维链，从人类和机器人轨迹中联合学习。EgoLAP 将运动意图表达为结构化的、时间抽象的语言动作，并将其与基于场景几何、物理和物体可供性的运动级推理配对。在大量真实世界和模拟实验中，EgoLAP 比替代动作表示更有效地将人类经验迁移到机器人控制，并达到 80.1% 的平均真实世界任务进度，相比替代动作表示获得 2.3 倍的性能提升。运动级推理也优于结合子任务、物体框和视觉轨迹推理的复合推理格式。

评论：	项目网站：this https URL
学科：	机器人学（cs.RO）；人工智能（cs.AI）
引用为：	arXiv:2610.08726 [cs.RO]
	（或 arXiv:2610.08726v1 [cs.RO] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.08726 arXiv 颁发的 DOI 通过 DataCite（待注册）

提交历史

来自：Lihan Zha [查看邮箱]
[v1] 2026年10月6日星期二 17:30:33 UTC（13,438 KB）

来源：arXiv cs.AI · arxiv.org