SLA：通过持续预训练扩展空间-语言-动作模型

研究提出 SLA 空间-语言-动作模型，从预训练的 pi05 策略初始化，在持续预训练中联合优化动作预测与中间视觉嵌入对冻结 3D 感知模型空间表示的对齐。团队统一了跨本体、任务和场景的异构机器人数据集，并引入特征相关门控自适应聚合多层视觉嵌入，教师模型可利用部分可用的深度与相机标定信息。所有辅助组件仅在训练阶段使用，推理架构保持不变。