**RynnVLA-Latent：利用 3D 接地隐式动作扩展机器人操作基础模型**

_RynnVLA-Latent: Scaling Robotic Manipulation Foundation Models with 3D-Grounded Latent Actions_

> 针对机器人操作模型扩展受限于动作标注稀缺及控制空间不兼容的问题，研究提出了 RynnVLA-Latent 框架。该框架通过从视觉转换中学习连续、3D 接地的隐式动作，将异构交互视频转化为可扩展的监督信号，无需依赖原生机器人控制。结合残差未来特征预测、相机补偿的 3D 流监督及相机运动解耦，模型成功在 30.1K 小时多源视频数据上预训练出 7.45 亿个隐式动作描述符，并在 LIBERO、VLABench 及 RoboTwin 2.0 等多个基准测试中取得了领先的成功率，证明了隐式动作监督在机器人策略学习中的巨大潜力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.34356)