以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Pretrained Vision-Language-Action (VLA) policies provide a strong starting point for deployment, but adapting them to a target robot and environment still requires costly embodiment-specific demonstrations. Human demonstrations are far easier to collect, yet directly leveraging them is challenging due to the substantia
阅读原文 · Junhyeong Park, Wook Jung, Taeyoung Kim, Huiwon Jang, Jinwoo Shin
向阳乔木 · opencode-go/deepseek-v4.1-flash
人类演示数据比机器人数据好收集得多，这个优势一直存在。问题在于，人手的动作和机器人的关节、夹爪之间差得太远，直接把人类视频喂给 VLA 通常学不出可用的控制策略。 这篇论文想解决的就是这个“具身鸿沟”。 它提出 H2RB，用不成对的人类演示和机器人演示共同训练，把预训练 VLA 适配到目标机器人上。 如果这条路走通，机器人适配的成本结构会变。 论文给出的数字...