H2RB用人类演示桥接VLA，显著提升人机迁移表现。
资讯摘要
论文提出人机协同训练框架H2RB（Human-To-Robot Bridge），用于从不成对的人类与机器人演示中适配预训练VLA策略。该方法在观测端做几何锚定对齐，在动作端用解耦解码器tokenizer共享动作潜变量，从而保留预训练VLA的视觉、语义与控制先验。作者报告在真实任务中物体迁移得分由8.0提升至51.8，技能迁移达62.7，物体位置偏移下的分布外迁移由6.0升至45.3。
要点速读
- H2RB针对人类与机器人具身差异，在表示与动作空间两个接口做桥接，支持不成对演示协同训练。
- 作者报告真实任务中物体迁移从8.0提升到51.8，技能迁移得分62.7，协同训练基线未能迁移人类演示技能。
- 在物体摆放偏移下，分布外迁移从6.0提升到45.3，作者认为人类演示可作为可扩展的监督来源。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。