EgoLAP 论文：用语言动作推理 bridging 人类数据到机器人控制

Majumdar_Ani · x · 2026-10-12

Princeton 团队（Lihan Zha、Anirudha Majumdar 等）发布 EgoLAP，一种 VLA 预训练框架，核心观点是：纯行为克隆只监督「做什么动作」，模型不知道「为什么这样做」，导致从人类第一视角数据学习时难以跨本体迁移。EgoLAP 将运动意图表达为结构化、时间抽象的语言动作（language actions），并配以基于场景几何、物理和物体可供性的运动级推理，通过共享的语言动作思维链联合学习人类与机器人轨迹。

实验结果：真实世界任务平均进度达 80.1%，相比其他动作表征提升 2.3 倍；运动级推理也优于「子任务 + 物体框 + 视觉轨迹」的复合推理格式。