HuggingFace Daily Papers·· 2 天前精选AI 评分80
RynnVLA-Latent：用三维潜在动作扩展机器人操作基础模型
RynnVLA-Latent: Scaling Robotic Manipulation Foundation Models with 3D-Grounded Latent Actions
AI 导读
研究团队提出 RynnVLA-Latent 框架，通过 RynnLAM 从视觉变化中学习连续、三维接地的潜在动作，无需原生机器人控制信号。该方法处理了 30.1K 小时人类、机器人与仿真视频，生成 745.52M 个潜在动作描述符，再用流匹配预测潜在动作块并适配到具体本体。
推荐理由
该工作把异构交互视频转成三维潜在动作监督，为 VLA 预训练绕开动作标注稀缺提供了一条可复用的数据路径。
来源：HuggingFace Daily Papers · huggingface.co