arXiv Robotics· Yang Liu, Jiacheng Liu, Hengtao Li, Yuheng Huang, Zijian Yang, Ji Dai, Maoxin Wang, Yi Gao, Qishen Wang, Baohua Yin, Peiyang Li, Shuanghao Bai, Mingyang Sun, Pengxiang Ding, Jianqin Yin, Lixin Yang, Donglin Wang·· 4 小时前AI 评分40
HuGe：用第一人称人类经验扩展人形通用 VLA 模型
HuGe: Scaling Humanoid Generalist Vision-Language-Action Models with Egocentric Experience
AI 导读
HuGe 是一系列人形通用 VLA 模型，基于超过 2,000 小时的第一人称人类与机器人数据预训练，采用三种现有代表性 VLA 架构预测潜动作 token 与手部控制信号。其三阶段训练流程结合第一人称预训练、人形适配与下游微调，在仿真基准 HumanoidArena 上取得 SOTA。在 Unitree G1 上的真实实验显示，用视觉适配的第一人称演示增强机器人演示可显著提升抓取放置任务成功率。
来源：arXiv Robotics · arxiv.org