**PINT：通过共享预测意图统一机器人操作模型**

_PINT: A Unified Model with Shared Predictive Intent for Robot Manipulation_

> PINT 是一种统一的机器人操作模型，通过共享层级的“预测意图”协调语义推理、世界建模与动作生成，同时保留各专家专用路径。该模型将可学习的意图令牌插入视觉语言模型序列，条件化视频生成模型与动作专家，并仅在训练阶段替换视频生成模型的提示条件，推理时保留原模型。PINT 从视觉语言模型、视频生成模型及动作专家的原生预测目标中联合学习预测意图，无需具身预训练即可在 RoboTwin 2.0-Hard 和 LIBERO-Plus 等基准上显著优于 Fast-WAM、StarVLA 等现有方法，并在五个真实世界的双手任务中实现 68% 的分布内成功率与 24% 的分布外泛化率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.16355)