AIT：将人类视频中的操作知识通过动作意图迁移到机器人

AIT 是一种两阶段方法，通过人类与机器人共享的干净动作表示来迁移操作知识。第一，AIT 从操作视频中提取显式动作意图，并将隐式动作意图解耦；第二，AIT 在该共享意图空间中对齐人类与机器人域，并将意图解码为可执行的机器人动作。作者称在仿真和真实环境中的大量实验表明，AIT 能更有效地迁移人类知识，并持续优于此前基线。论文针对 VLA 模型依赖昂贵真机数据这一瓶颈，指出已有方法提取的隐式动作表示会混入场景特定噪声，从而稀释迁移的知识。该文为 arXiv 预印本，共 12 页、6 幅图。