SkeLAM展示零樣本人機動作遷移
先了解這件事
2026年10月22日，HuggingFace Daily Papers刊載社區熱門論文SkeLAM，介紹一種以機械人骨架為基礎的世界模型潛在動作模型。SkeLAM將潛在動作分為兩部分：由機械人骨架監督的運動學成分，以及保留其他視覺動態的殘差成分，以提升模型的可控性及動作遷移能力。論文報告指，在DROID評測中，相比DreamDojo，SkeLAM的末端執行器ADE降低19.5%，LPIPS降低11.1%；生成結果展示零樣本人類至機械人動作遷移，策略評估中的預測成功率亦與真實機械人執行結果一致。10月27日新浪科技進一步報道，SkeLAM以約10小時機械人互動數據訓練，可在不更新模型參數的情況下，根據人類示範影片生成呈現相應運動方向的機械臂影片。報道列出DROID評測數值：相較DreamDojo，ADE由51.11降至41.15像素，LPIPS由0.1473降至0.1310。
AI 根據報道生成 · 2 小時前更新
報道時間線
沿着報道，瞭解事件的不同側面。
- 新浪科技10小時數據＋一段人手影片＝？SkeLAM 的零樣本跨形態遷移
SkeLAM 以約 10 小時機械人互動數據訓練，能在不更新模型參數的情況下，根據人類示範影片生成呈現相應運動方向的機械臂影片。DROID 評測中，相比 DreamDojo，SkeLAM 的末端軌跡誤差 ADE 由 51.11 降至 41.15 像素，LPIPS 由 0.1473 降至 0.1310。
- HuggingFace Daily Papers（社區熱門論文）SkeLAM：以骨架為基礎的機器人世界模型潛在動作模型
SkeLAM 將潛在動作分解為由機器人骨架監督的運動學成分，以及保留其他視覺動態的殘差成分，以提升機器人世界模型的可控性及動作遷移能力。在 DROID 上，相較 DreamDojo，SkeLAM 將末端執行器 ADE 降低 19.5%，LPIPS 降低 11.1%。生成結果展示零樣本人類至機器人動作遷移，政策評估中預測成功率亦與真實機器人執行結果一致。
本事件熱度走勢
當前熱度 0·可比範圍峯值 4（10月23日 12:00）·近 24 小時可比範圍變化 –
趨勢僅比較持續完整觀測到的相同主體，範圍可能小於當前熱度統計。移動指針或點擊圖表查看每小時熱度；鍵盤可用左右方向鍵切換。