Egocentric videoExperten
WING überträgt egozentrisches Videowissen über interaktionszentrierte spektrale Latentführung auf Roboter-Policies
WING ist ein Preprint-Framework, das Interaktionswissen aus egozentrischen Videos in Roboter-Policies überträgt. Es lernt interaktionszentrierte latente Aktionen, trennt Beobachterbewegung von Interaktionsdynamik und nutzt niederfrequente spektrale Anteile als Führung. In Simulation erreicht WING 99,20 % auf LIBERO, 93,80 % auf RoboTwin 2.0 und 57,7 % auf RoboCasa-GR1 sowie 75,0 % mittlere Erfolgsrate unter Standardbedingungen in realen bimanuellen Aufgaben.