EXE：面向VLA模型的因子化潜在动作第一视角跨本体预训练

EXE 是一个第一视角跨本体预训练框架，从人类操作视频中学习因子化潜在动作表示，把共享操作先验与本体特有信号分开。作者称该共享动作空间让机器人策略从多样人类演示中获得可泛化的操作语义，同一预训练可同时用于平行夹爪和灵巧手。在 RoboTwin 2.0、RoboCasa GR1 和真实世界操作任务上，EXE 相比无预训练基线取得一致提升。