WING实现从第一人称视频到机器人策略迁移

发生了什么

据Hugging Face Papers报道，研究提出WING框架，通过交互中心谱潜变量引导，将第一人称视频中的交互知识迁移至机器人策略。该方法分离观察者运动与手物交互，利用频谱域低频成分对齐人类与机器人行为。在LIBERO、RoboTwin 2.0等基准上取得高成功率，并在真实任务中表现强劲。