Il Framework UniT Stabilisce un Linguaggio Fisico Unificato per il Trasferimento da Umano a Umanoide AI

Per affrontare il problema del cross-embodiment nella scalabilità dei modelli di base per umanoidi, i ricercatori hanno sviluppato UniT (Unified Latent Action Tokenizer via Visual Anchoring). Questo approccio innovativo utilizza dati umani egocentrici per mitigare la scarsità di dati robotici, creando un linguaggio fisico coeso per trasferire conoscenze dagli umani agli umanoidi. UniT incorpora un meccanismo di cross-ricostruzione a tre rami che collega la cinematica ai risultati fisici eliminando al contempo distrazioni visive irrilevanti. Inoltre, un ramo di fusione integra questi elementi in uno spazio latente discreto comune per intenzioni fisiche indipendenti dall'embodiment. Questa ricerca, validata in Policy Learning (VLA-UniT) e World Modeling, è dettagliata nella preprint arXiv 2604.19734v1 e mira a risolvere la discrepanza cinematica che ostacola il progresso dell'AI umanoide.