כתבה
arXiv cs.AI ·
EgoLAP: למידה מנתונים אנושיים באמצעות תקשורת שפה-פעולה
EgoLAP: Learning from Egocentric Human Data through Language-Action Reasoning
EgoLAP הוא כלי ללמידה מנתונים אנושיים לשליטה ברובוטים. הוא משתמש בשפה ופעולה כדי ללמוד מנתונים אנושיים ולהעביר אותם לרובוטים. EgoLAP משיג שיפור ביצועים של 2.3 פעמים לעומת ייצוגי פעולה אחרים.
תקציר מקורי באנגליתarXiv:2610.08726v1 Announce Type: cross Abstract: Egocentric human data offer a path to scaling robot learning beyond costly robot demonstrations, yet the embodiment gap makes raw human trajectories a poor supervisory target for control. Our key insight is that, although low-level actions are embodiment-specific, their underlying motion intent can capture task-relevant structure that transfers across humans and robots. We introduce EgoLAP, a VLA pre-training framework that jointly learns from human and robot trajectories through a shared language-based action chain-of-thought. EgoLAP expresses motion intent as structured, temporally abstracted language actions and pairs them with motion-level reasoning grounded in scene geometry, physics, and object affordances. Across extensive real-world
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית