TAP：通过构建任务无关预训练方案降低 VLA 标注成本-复旦大学、上海创智学院

概要：大部分传统 VLA 依赖大量人工标注轨迹，成本较高；本文提出 TAP 两阶段训练框架，先用无标注机器人自主交互数据预训练运动先验，少量标注数据对齐语言，大幅降低标注需求且环境扰动鲁棒性更强；

声明：上述声音采用AI合成，解析内容为原创；解析仅针对该文发布时，arXiv上已公开被解析论文的最新版本的内容进行；其中所有涉及原论文的图、数据都引用自原论文，如涉及侵权，请及时联系删除；人工解读，难免有错误遗漏，如有发现及时联系修改；如需要深入研究建议阅读原文；

链接：arxiv.org/pdf/2607.02466 ；