Instant-Fold：面向可变形物体操作的上下文模仿学习框架

Instant-Fold 是一个面向可变形物体操作的上下文模仿学习框架，仅凭单次人类演示即可推断并执行多种操作模式，无需梯度更新。该方法先通过时序对比预训练学习形变感知视觉表征，再由以演示为条件的流匹配 Transformer 策略预测动作。框架完全在仿真中训练，可泛化到多种折叠模式，并零样本迁移到真实环境，无需额外数据采集或微调。