SPAR：用无动作自我中心视频改进机器人策略学习

北京大学 Lin Long 等研究者在 arXiv 论文（arXiv:2611.13685）中提出 SPAR，一种基于预训练 VLM 的 MoT 架构，让人类第一视角视频在不提供动作标注的情况下辅助机器人策略学习，其未来视觉状态预测与动作预测并行提供独立且互补的学习信号。 实验结果显示，从第一视角视频学到的表征可提升分布外机器人任务表现，且收益随视频数据规模扩大而增长；研究还分析了训练目标选择与数据筛选的影响。

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。