# 双摄像头视频模型提升机器人跨形态学习能力

> 研究人员发现，多视角潜在动作模型可将机器人的任务成功率最多提高20%，优于单视角方案。

Oossa · 2026-10-21 · https://oossa.com/zh/dual-camera-video-model-boosts-robot-learning-across-embodiments

Oliver Hausdörfer及其团队发布了一种新的潜在动作模型，可利用两台摄像头拍摄的同步画面。该模型能更准确地推断6自由度动作，解码准确率比单视角版本高17%。将其用于机器人策略后，基准任务的成功率提高了13.5%，而单视角基线方案提高了6.2%。在真实场景测试中，机器人模仿人手演示动作；在850次尝试中，双视角模型让成功完成的操作次数增加了20%。

## 事实

- 发表于2026-10-21
- 双视角LAM将解码准确率提高17%，并将策略成功率最多提高20%

## 为什么重要

这项提升意味着机器人只需较少的演示，就能从普通视频中学习新技能，有助于遥操作数据有限的实验室。

## 来源与参考

1. [Multi-View Latent Action Pretraining for Cross-Embodiment Robot Learning from Videos](https://arxiv.org/abs/2610.27794) – arXiv cs.RO, 2026-10-21

最后更新: 2026-10-21