AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

范围：站内优先仅站内全网全网通道：bing

大家都在搜：vLLM12 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10 training10

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答「稀疏追踪」具体追踪人体哪些关键点或部位。资料中能确认的部分：

KODA 的方法流程中使用了「稀疏追踪与采样优化」，用于生成经仿真校验的规范全身轨迹1。
该流程的输入是人类第一视角 RGB 演示，输出是类人机器人全身 VLA 训练数据，包括机器人视角观测与状态-动作监督1。
摘要只提到「全身轨迹」这一粒度，没有列出被追踪的关键点名称、数量或身体部位划分1。

因此，关于具体追踪哪些关节或部位（如手部、头部、躯干、足部等），资料未给出任何细节，无法据此推断。

继续追问

KODA 的「采样优化」具体如何与稀疏追踪配合生成全身轨迹？KODA 在 Unitree G1 上的四项任务分别是什么？KODA 如何从第一视角 RGB 演示合成机器人视角观测？

参考来源

1 条

1站内KODA: Kinematics--Observation Data Alignment for Humanoid Learning from Human Egocentric DemonstrationKODA 提出将人类第一视角 RGB 演示转换为类人机器人全身 VLA 训练数据的方法：用稀疏追踪与采样优化生成经仿真校验的规范全身轨迹，据此合成机器人视角观测，并为不同控制器生成状态-动作监督。在 Unitree G1 四项任务上，机器人数据不变时未见条件成功率提升约 45 个百分点，降低了对昂贵机器人演示的依赖。arXiv cs.ROhttps://arxiv.org/abs/2610.21152

AI 答案正在检索与综合…

站内相关条目

1 条 · 点击可看原文全文与中文译文

返回信息流

具身

KODA: Kinematics--Observation Data Alignment for Humanoid Learning from Human Egocentric Demonstration

KODA 提出将人类第一视角 RGB 演示转换为类人机器人全身 VLA 训练数据的方法：用稀疏追踪与采样优化生成经仿真校验的规范全身轨迹，据此合成机器人视角观测，并为不同控制器生成状态-动作监督。在 Unitree G1 四项任务上，机器人数据不变时未见条件成功率提升约 45 个百分点，降低了对昂贵机器人演示的依赖。

具身智能·arXiv cs.RO·4 天前

#vla