Sharpa 提出 SALA:语义对齐潜动作让人形机器人训练实现双轴扩展

Jiachun Jin · hf · 2026-11-17

Sharpa Robotics 与上海交大 SJTU-Sharpa 具身智能联合实验室发布 SALA 论文。具身基础模型依赖昂贵的机器人交互数据,第一视角人类视频是补充数据源,而潜动作模型(LAM)是利用人类视频做策略监督的主流方法;但现有 LAM 多靠视频重建学习潜动作,表示容易按外观而非动作本身聚类,难以对齐人类动作与机器人对应动作。

SALA 的做法是用基于语言的语义相似度,把人类与机器人视频的潜动作对齐到共享潜动作空间,再以此监督具身基础模型训练,从而在数据与能力两个轴向上扩展并提升机器人任务表现。相比世界动作模型(WAM),LAM 路线在策略学习与执行时避免显式像素预测,训练效率更高、推理成本更低。

原文链接 →

「具身」频道最新

更多「具身」频道 AI 资讯 →