点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Weiqi Li等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 VLA模型在分布内任务中表现优异，但在新摄像机视角和视觉扰动下性能急剧下降。研究表明，这种脆弱性主要源于 空间建模 的对齐偏差，而非物理建模问题。 为解决此问题，中山大学等机构研究人员提出了一种单次自适应框架，通过轻量级可学习的参数更新来重新校准视觉表征。首先提出的 特征token调制（FTM） 方 法，对视觉token进行全局仿射变换，仅用4K参数就将Libero数据集的视角准确率从48.5%提升至87.1%。在此基础上， 特征线性自适应（FLA） 方法进一步为ViT编 码器引入低秩更新，以470万参数实现了90.8%的成功率，在远低于LoRA规模微调成本的情况下达到同等效果。这些结果表明，预训练VLA模型中存在大量未被挖 掘的鲁棒性潜力，并且 针对性、极小化的视觉自适应足以恢复模型的视角泛化能力。 VLA模型的泛化性 ...