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。
Robot foundation models have shown remarkable performance in robot control, yet adapting them to a new task still relies heavily on teleoperated demonstrations. Egocentric human videos offer a scalable substitute, but overlaying rendered robots on human videos or retargeting human poses into robot actions leaves signif
阅读原文 · Seungyong Lee, Suhyeok Jang, Minyoung Kim, Jinwoo Shin
向阳乔木 · opencode-go/deepseek-v4.1-flash
机器人基础模型在控制上已经很强，但每学一个新任务，还是得靠人遥操作采集演示数据。这件事贵、慢、难扩展。 这篇论文想换一条路：用第一人称人类视频当数据源。问题是人类手和机器人的高自由度本体差得太远，直接把渲染的机器人贴到人手视频上，视觉和动作都对不齐。 作者的类比挺巧：把“人换成机器人”当成虚拟试衣。试衣保留人、换掉衣服；RoboTryOn 保留演示动作、换掉...