HuGe人形通用VLA模型研究发布

2026年10月27日，arXiv Robotics 刊出 Yang Liu 等作者的论文，发布 HuGe 人形通用视觉-语言-动作（VLA）模型系列。据该论文，HuGe 基于超过 2,000 小时的第一人称人类与机器人数据预训练，采用三种现有代表性 VLA 架构，预测潜动作 token 与手部控制信号；训练分三阶段：第一人称预训练、人形适配与下游微调。论文称其在仿真基准 HumanoidArena 上取得 SOTA，并在 Unitree G1 上的真实实验显示，用视觉适配的第一人称演示增强机器人演示，可显著提升抓取放置任务成功率。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；上述性能与实验结论均为论文作者自述，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。