微软 UniSteer：人类纠正微调 VLA，机器人 66 分钟学会拼豆

机器之心 · wechat · 2026-09-02

微软亚研院提出 UniSteer，通过将人类纠正动作反演为噪声空间监督，实现高效的 VLA（视觉-语言-动作模型）真机在线微调。该方法解决了流匹配架构下人类动作与噪声空间不兼容的问题，冻结预训练 VLA，仅训练轻量 noise actor。实验显示，在抓取、堆叠等四项任务中，UniSteer 平均 66 分钟将成功率从 20% 提升至 90%，仅需两条完整演示轨迹即完成高难度的拼豆任务。