BATCH：跨具身人类行为对齐学习框架提出

2026年11月10日，arXiv Robotics 刊出由 Zeyi Liu、Shuran Song 提出的跨具身学习框架 BATCH，其目标是显式对齐人类与机器人的行为。据该报道，BATCH 通过带循环一致性目标的自监督时序表征建立跨具身对应关系，无需人工标注；框架在自回归视频-动作扩散模型中引入两个训练目标：行为对齐协同训练与人类到机器人风格迁移。报道称，在真实世界操作任务上，BATCH 对未见任务配置的泛化优于用未对齐数据训练的结果和先前跨具身基线，风格迁移目标还带来额外增益。目前该工作以预印本形式发布，报道未提及同行评审、开源代码或更大规模评测情况。

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。