模型arXiv cs.RO2026年8月13日 12:00

StellaVLA：基于上下文结构化演示的泛化视觉-语言-动作模型

原标题：StellaVLA: In-Context Structured Demonstration for Generalizable Vision-Language-Action Models

推荐理由

提出测试时单演示适配VLA模型，有效缓解分布外性能崩溃，为机器人泛化提供新思路。

ROBOAIRADAR BRIEF

结构化情报

2 MIN READ

视觉-语言-动作（VLA）模型能遵循指令操作物体，但在场景、视角或物体与训练分布不同时性能急剧下降。StellaVLA提出在测试时通过单个检索演示进行适配，核心是超越单纯模仿，实现跨分布泛化，避免每次新情况都需重新采集数据和微调。

提出测试时单演示适配VLA模型，有效缓解分布外性能崩溃，为机器人泛化提供新思路。

RoboAIRadar 对公开信源进行聚合、中文整理和价值判断，不替代原始报道。涉及产品参数、交易金额或公司声明时，请以原文为准。