EgoForesight 用带噪第一视角动作扩展策略学习

2026年10月26日，arXiv Robotics 报道了 Chubin Zhang 等作者提出的 EgoForesight 视觉-语言-动作框架。该框架针对第一视角视频中动作标签不可靠的问题，通过降低不可靠动作标签的影响、并利用演示结果作为补充监督，联合学习机器人演示与第一视角视频两类数据。报道称，在 30,000 小时预训练数据下，其扩展斜率比基线更陡，真实世界开环动作 MSE 降低 20.5%，RoboCasa 少样本成功率提升 8.1 个百分点；后训练后在仿真与真实世界灵巧操作中均取得较强绝对性能。目前该事件仅有这一篇主报道，尚无跟进报道或相互矛盾的数字与说法。

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。