Tag · 3 篇
潜动作表征
分布 强化学习与具身智能2自监督与表征学习1
01 02 03
联合对齐潜动作：面向野外可扩展视觉-语言-动作预训练
Joint-Aligned Latent Action: Towards Scalable VLA Pretraining in the Wild
JALA 提出一种与逆动力学和真实动作联合对齐的预测性动作嵌入，绕开完整视觉动态重建，为从无标注人类视频中学习可迁移的潜动作表征提供了可复用方案，可直接用于 VLA 预训练的数据扩展。
CoMo：从互联网视频中学习连续潜运动以实现可扩展的机器人学习
CoMo: Learning Continuous Latent Motion from Internet Videos for Scalable Robot Learning
用早期时序差分与时间方向反转构造正负样本的时序对比学习，从互联网视频中无监督地提取连续潜运动表征，可直接为视觉策略学习生成伪动作标签，是一种可复用的视频表征预训练手段。
世界之链：潜运动中的世界模型思维
Chain of World: World Model Thinking in Latent Motion
把预训练视频 VAE 显式分解出的结构/运动潜变量当作「潜运动链」来预测，替代逐帧重建未来画面，为视觉研究者提供了一种在潜空间做时序世界建模、并与动作序列联合自回归的紧凑方案，可直接迁移到机器人策略学习与视频预测任务。