RoboTryOn：用虚拟试穿把人类视频合成灵巧机器人演示

RoboTryOn 将人到机器人的迁移视为虚拟试穿——保留演示动作，把人类换成参考图像指定的目标机器人，同时保留原任务、物体与背景。它自回归翻译关键帧并用手部骨架运动引导视频合成，再用带深度特征的逆动力学模型（IDM）推断动作标签。在多种人形本体上，仅用合成数据训练的策略在新任务（含双臂操作）上平均成功率从 2% 提升到 60%，且约三分之一采集成本即可达到纯遥操作演示的训练效果。