新方法无需重训即可引导 VLA 机器人模型，抓握成功率 14% 升至 74%
drmapavone · x · 2026-09-23
一项新研究探索能否在不重训的情况下引导机器人基础模型（VLA）的行为。
- 借鉴控制论中的可观测性与可控性概念，发现 VLA 内部表征中往往可以线性预测出与状态和动作相关的信息
- 据此可在推理时直接引导这些内部表征来改变机器人行为，无需微调
- 真实机器人实验： preferred handle-grasp 成功率从 14% 提升到 74%，推理开销仅约 1%
- 作者认为表征级控制可成为让机器人基础模型适配新偏好与约束的轻量接口
论文由多机构合作完成，已发布。
「具身」频道最新
- eidon-ai 发布 tracker-pov 机器人视频数据集，规模 1 万至 10 万条 — eidon-ai · 2026-09-23
- 开发者把 90 年代旧电视改造成 AI 电视：树莓派+摄像头+GPT 实时 API — OpenAIDevs · 2026-09-23
- 机器人任务实测：GPT-6 推理越强操作越好，成本差 30 倍 — YuXiang_IRVL · 2026-09-23
- 前沿模型可操控机器人执行有害指令,如混合清洁剂产生毒气 — ycombinator · 2026-09-23
- 零样本操控真人形机器人:全身追踪让 agent 直接做开放抓放任务 — ai · 2026-09-23
- ECCV 2026 论文 REAL:机器人无特权信息主动探索真实环境 — jiqizhixin · 2026-09-23