**HuGe：利用第一人称体验扩展人形通用视觉语言动作模型**

_HuGe: Scaling Humanoid Generalist Vision-Language-Action Models with Egocentric Experience_

> 针对人形机器人全身控制与数据收集成本高的问题，HuGe 提出了一种基于第一人称人类与机器人数据预训练的通用视觉语言动作模型。该模型通过三阶段训练流程，结合模拟回放构建伪本体感觉状态及重渲染技术，成功解决了视觉本体差异与本体感觉缺失的迁移难题。实验表明，HuGe 在仿真基准 HumanoidArena 上达到最先进水平，并在 Unitree G1 真机实验中显著提升了抓取任务的成功率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-29 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.34186)