HuRo:将人类视频机器人化以实现可扩展的 VLA 预训练

直觉与失败案例

本文提出 HuRo 流水线,将大规模人类视频转化为对齐的机器人观测与动作数据,构建包含 630K 个 episode 的 HuRo 数据集,证明其作为 VLA 策略预训练源的可扩展性及在真实世界操作任务中的优越性能。