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
- CoRL 热议「agent 太慢」，研究者拆解出三种截然不同的批评 — tomssilver · 2026-11-11
- CoRL 热议「agent 太慢」，研究者拆解出三种截然不同的批评 — tomssilver · 2026-11-11
- CoRL 热议「agent 太慢」，研究者拆解出三种截然不同的批评 — tomssilver · 2026-11-11
- CoRL 热议「agent 太慢」，研究者拆解出三种截然不同的批评 — tomssilver · 2026-11-11
- CoRL 热议「agent 太慢」，研究者拆解出三种截然不同的批评 — tomssilver · 2026-11-11
- NVIDIA 发布开源 GR00T 2：真实灵巧手全自动完成化学实验 — EricBuess · 2026-11-11