arXiv preprint 2025 / 数据高效预训练 / 高效动作表示 / 互联网/跨域数据

EgoVLA: Learning Vision-Language-Action Models from Egocentric Human Videos

作者：Ruihan Yang, Qinxi Yu, Yecheng Wu, Rui Yan, Borui Li, An-Chieh Cheng, Xueyan Zou, Yunhao Fang, Xuxin Cheng, Ri-Zhao Qiu, Hongxu Yin, Sifei Liu, Song Han, Yao Lu, Xiaolong Wang · 单位：UC San Diego, MIT, NVIDIA · 会议/期刊：arXiv preprint 2025 · 方向：数据高效预训练 / 高效动作表示 / 互联网/跨域数据 · 发布日期：2025-07-16

视觉语言动作数据高效预训练高效推理高效训练模仿学习高效动作表示动作表示互联网/跨域数据数据采集
新标签打开 AlphaXiv新标签打开 Project
EgoVLA: Learning Vision-Language-Action Models from Egocentric Human Videos figure
AlphaXiv 中文概览（可滚动查看）