TDV：从单次人类视频生成轨迹扩散，实现可泛化机器人操作

TDV 是一个基于轨迹的框架，利用即插即用 6D 位姿估计从人类视频中提取任务相关物体轨迹，以轨迹作为与模态无关的中间表示来生成数据，从而规避视觉域差异和动作标签缺失问题。在 RLBench 仿真任务上，该方法在七项任务中取得接近 100% 的成功率，超过此前方法。真实世界实验中，TDV 借助高效轨迹生成技术，实现了从单次人类演示出发的跨本体泛化操作。