RoboTok：面向人类示范检索与灵巧操作学习的互联网规模数据引擎

论文提出 RoboTok，一个互联网规模数据引擎，输入人类操作视频即可从网络视频中检索与操作相关的人类示范，用于训练灵巧机器人策略。方法基于估计的演员中心参考系中的 3D 手部轨迹学习潜在运动空间，使操作行为的比较不受相机视角、场景外观和演员遮挡影响，并支持互联网规模视频的高效搜索与持续索引。在检索基准和下游策略评估中，RoboTok 检索出更相关的示范并提升了下游任务成功率。