EgoLAP 论文：用语言动作推理连接人类数据到机器人控制

Princeton 团队发布 EgoLAP，一种把运动意图表达为结构化、时间抽象语言动作的 VLA 预训练框架，通过共享的语言动作思维链联合学习人类与机器人轨迹。真实世界任务平均进度达 80.1%，相比其他动作表征提升 2.3 倍。其基于场景几何、物理与物体可供性的运动级推理，也优于「子任务 + 物体框 + 视觉轨迹」的复合推理格式。