EgoHumanoid-V2：用于局部操纵的协调全身技能的人与人之间的转移

真人演示无需机器人远程操作即可捕捉多样的场景和丰富的全身技能。先前关于自我中心转移的工作强调解耦控制下局部操作的场景概括，而对协调全身技能的直接转移的探索较少。我们推出了 EgoHumanoid-V2，这是第一个以自我为中心的人与人之间的技能转移框架，用于协调全身局部操作。从粗到精的动作对齐的核心是将运动学参考校正与动态感知细化相结合。它提高了末端执行器姿势的准确性，同时保持全身协调性。我们还使用机器人手臂渲染和训练时图像增强来减少视觉体现差距并提高视点鲁棒性。在四项现实世界任务中，在对齐的人类数据上训练的视觉语言动作（VLA）策略显示出零样本技能转移，而无需目标任务机器人演示。任务得分与以较低收集成本进行远程操作数据训练的策略相当。这些结果支持人类数据作为直接技能监督。