LUCID：从无结构人类视频中学习与本体无关的意图模型以扩展灵巧机器人技能获取

当前机器人学习管道依赖昂贵且特定本体的演示数据。本文提出 LUCID 框架，利用互联网规模的非结构化人类视频学习任务意图，并在大规模并行仿真中学习机器人控制。该意图模型预测短期场景意图，通过共享接口适配不同机器人本体（如灵巧手或夹爪）。实验表明，该方法仅需网络视频或少量手机视频即可在五项真实操作任务中实现零样本迁移至新场景和物体，展示了可扩展的技能获取能力。