Tag · 2 篇

潜动作学习

StaMo: Unsupervised Learning of Generalizable Robot Motion from Compact State Representation

用预训练 DiT 作为解码器，从静态图像编码出仅两个 token 的紧凑状态表征，并通过潜变量插值得到可直接解码为机器人动作的潜动作；对做 VLA、世界模型或从视频/图像中挖掘动作监督的视觉研究者，这是一个可复用的轻量表征与潜动作提取方案。

LAOF: Robust Latent Action Learning with Optical Flow Constraints

把光流当作无需人工标注的动作驱动伪监督信号，用来学习对背景干扰鲁棒的潜动作表征，可直接用于视觉-动作预训练与下游模仿学习/强化学习策略初始化。