Object-Centric Latent Action Learning (2025.6)
动机：视觉干扰物（如动态背景）在潜在动作学习中存在负面影响 方法：预训练视频模型将视频分解为可解释对象槽，通过线性回归选择前景对象槽学习latent
- 机器人策略的学习依赖大量机器人动作数据，而机器人数据收集成本极高
- 另一方面，人类动作视频中存在大量与机器人操作相似的规律
- 如何从人类视频中提供迁移到机器人的通用动作信息，成为重要问题
人工设计阶段
人工设计：图像编辑
LuciBot通过密集的检测、分割、跟踪等方法，得到人手和操作物体的位置和运动轨迹，之后通过图像编辑将人手替换为机械臂，从而迁移到机器人数据
这种方法往往针对特定任务，且生成的视频不一定符合物理规律