本研究提出了ARM4R自回归机器人模型，旨在解决机器人领域中有效表示和昂贵标注数据的问题。通过对人类视频学习的低级4D表示进行预训练，实现了高效的迁移学习，实验结果表明其在多种环境下的任务性能得到了提升。