MoCaP：从被动人类视频学习零样本移动操作

2026年10月16日，arXiv Robotics 报道了一项名为 MoCaP（mobile code-as-policy）的智能体框架研究，作者为 Yiyang Cai、Tatsuya Kamijo、Ninghao Lu、Zijin Hu、Sherry Yang。据该报道，MoCaP 可将被动人类视频录像转化为端到端移动操作策略的指导，从中提取空间记忆和人类接近物体的先验，用于辅助导航与操作配置搜索。报道称，在真实移动操作机器人上，MoCaP 在室内两项移动操作任务中均达到 80% 成功率，而现有方法无法完成；视频导出的空间记忆将物体导航成功率从 70% 提升至 100%，人类接近先验将不利起点下找到可达基座姿态的比率从 0% 提升至 100%。上述数据均来自该篇报道，为论文自述结果。目前事件仍处于论文发布阶段，尚无后续跟进报道。

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。