SteerAct 测试时引导内部特征，机器人成功率免重训大幅提升

斯坦福、MIT 与哈佛团队发布 SteerAct：在冻结的 VLA/WAM 模型上，通过测试时引导（steering）网络内部特征来提升机器人操作性能，无需重新训练或更新权重。每个任务仅需约 24 次 rollout、只操纵单一特征，即可将真实机器人任务成功率从 31% 提升至 52%，在仿真任务中同样显著有效。

2026-10-21 ~ 2026-10-21 · 2 条相关