UniT框架：统一人类与人形机器人策略迁移

Boyu Chen 等在arXiv发布论文，提出UniT框架，通过视觉锚定的统一潜动作分词器，把人类与人形机器人的异构动作对齐到共享离散潜在空间，用于人-人形策略迁移。 论文称其在两个范式下验证：VLA-UniT用于策略学习，据称利用多样化人类数据在人形机器人仿真基准和真实部署中实现更高数据效率与分布外泛化；WM-UniT用于世界建模，据称利用统一令牌实现人类到人形机器人的直接动作迁移，提升人形机器人视频生成的动作可控性。 以上为作者基于论文摘要的声称，性能结论未经独立复现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。