本文提出ALAM模型,通过在无动作视频中引入组合与反转一致性约束学习结构化潜在状态转移,并结合联合流匹配策略辅助视觉-语言-动作(VLA)策略生成,显著提升了机器人在多项仿真及真实操作任务上的成功率。
机构:浙大
来源:arXiv 2605.10819 | AI4Papers 论文推荐平台