**先学动再学做:任务无关预训练破解VLA数据瓶颈** _Learning to Move Before Learning to Do: Task-Agnos
原帖
**先学动再学做:任务无关预训练破解VLA数据瓶颈**
_Learning to Move Before Learning to Do: Task-Agnostic pretraining for VLAs_
> 针对视觉-语言-动作(VLA)模型依赖昂贵专家演示数据的瓶颈,研究提出任务无关预训练(TAP)框架。该框架将物理运动能力与语义对齐分离,首先通过自监督逆动力学从廉价无标签交互数据中学习可迁移的运动先验,随后用极少专家数据进行语言 grounding。在SIMPLER基准测试中,TAP以极少的标注数据达到百万级轨迹模型的 performance,并在真实机器人平台上展现出更强的抗干扰鲁棒性。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-07-03 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2607.02466)