PMv几何约束机器人潜在动作码本

2026年11月10日，Amit Jadhav 在 arXiv Robotics 提交预印本，提出用猕猴腹侧前运动皮层（PMv）的表征几何约束机器人潜在动作分词器（Moto）的码分配。方法是在机器人视频上训练时，将直通相似性损失与重建目标一并优化，把猴子画形状时记录的 PMv 表征几何施加到 tokenizer 的码分配上。结果显示，在五个损失函数未参与训练的形状类别上，每个目标仅训练一次，PMv 训练的 tokenizer 与 PMv 的表征相似度达到 0.52，而已发布 tokenizer 和无先验 tokenizer 为 0.20–0.26，随机运动学编码器的 95 分位为 0.42。报道同时列出两项限制结论的结果：手工选取的运动学描述子（笔画初始方向）与 PMv 的匹配度更高，为 0.65；标签打乱的 PMv 对照得分为 0.41。机器人操作结果（CALVIN）将在后续版本中补充。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。