STAR：推理阶段引导动作表征

STAR 以无需训练的推理期残差混合提升 VLA 操作成功率。

资讯摘要

论文指出，视觉-语言-动作模型（VLA）在动作输出附近的表征未充分保留任务相关的视觉定位信息。为此作者提出 STAR，一种无需训练的推理方法：对后层残差更新做指数移动平均，使后层动作表征继承前层的物体感知更新方向，并利用近期本体状态自适应调整混合强度。作者报告在机器人操作基准上平均任务成功率提升 4.0 个百分点，代码已开源。

要点速读

1. 论文的探测实验发现，VLA 动作输出附近的动作表征未完全保留任务相关的视觉定位信息。
2. STAR 对后层残差更新施加指数移动平均，无需更新模型或改动架构，并用近期本体状态调整混合强度。
3. 作者报告在机器人操作基准上平均任务成功率提升 4.0 个百分点，代码已在 GitHub 公开。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。