标签
HuGe 提出了一族人形通用视觉-语言-动作（VLA）模型，利用超过2000小时的第一人称人类与机器人数据进行预训练，并通过伪本体感知与视觉适配实现全身控制，在 HumanoidArena 仿真基准上达到 SOTA，同时在 Unitree G1 实体机器人上验证了其有效性。