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。
Generalist manipulation policies can benefit from the complementary experience of humans, real robots, and simulated agents. However, differences in morphology, sensing, and control interfaces make it difficult to learn effectively from their combined demonstrations. We introduce EgoX, an egocentric cross-embodiment le
阅读原文 · Yaru Niu, Binghong Chen, Changwei Yao, Shangtao Li, Zhenlong Fang, Revanth Krishna Senthilkumaran, Shuai Zhou, Yuemin Mao, Kalie Ching, Po-Ju Chao, Yudong Luo, Peiqi Yu, Heng Zhang, Hao Zhang, Bingqing Chen, Chen Qiu, H. Eric Tseng, Ye Yuan, Umar Iqbal, Changliu Liu, Jonathan Francis, Ding Zhao
向阳乔木 · opencode-go/deepseek-v4.1-flash
机器人操作策略一直有个尴尬：人类视频、真机数据、仿真数据各自都有价值，但混在一起训练往往互相拖后腿。不同机器人的身体结构、传感器、控制接口都不一样，怎么把这些异构示范变成互补而不是互斥，是这篇论文想回答的问题。 EgoX 的思路是 用语义对齐的观察和动作模态把异构数据组织起来 ，再让一个共享的 Transformer 主干去学跨身体的通用表征。它最值得看的地...