UniLAP：面向跨具身操作的统一连续潜在动作策略

预印本摘要称，研究者提出了面向跨具身操作的统一连续潜在动作策略 UniLAP，通过流匹配建模潜在空间并在推理时摆脱对未来帧的依赖。该模型参数规模为 1.1B，在多源视频上进行预训练，并提取无标签运动目标以解耦任务无关的外观特征。研究者报告其在手部姿态预测、单臂与人形机器人操作及真实世界部署中，性能均超越现有的潜在动作与 VLA 基准。