arXiv · 工业智能研究摘要· Jun Tian·· 18 小时前
研究提出 DR-VLA：利用网络第一人称视频与场景表征学习四足机器人导航
DR-VLA: Learning Human-Like Quadruped Navigation from Egocentric Web Videos via Domain-Invariant Scene Representations
AI 导读
预印本摘要称，研究者提出 DR-VLA 框架，通过领域不变场景表示从 1 万小时网络第一人称视频中迁移人类导航经验，用于四足机器人室外配送任务。该架构融合视觉语言理解、隐式世界模型与流匹配动作专家，在包含 2000 个真实配送片段的数据集上微调动作生成。
来源：arXiv · 工业智能研究摘要 · arxiv.org