在大型演示数据集上预训练大型参数化“视觉-语言-行动” （ VLA ）模型最近在通用操作方面产生了有希望的结果。然而，这些模型在相对于训练数据的哪怕很小的领域偏移下仍然很困难，例如相机视点、背景、对象身份或机器人形态的变化。由Retrieval-Aug的成功激励

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2611.10894v1)获取最准确的信息。

---
🔗 **原文链接**: [Zero-Shot VLA Adaptation with Retrieved Guidance](https://arxiv.org/abs/2611.10894v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Subin Kim, Anh-Quan Pham, Dinesh Jayaraman

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-11-10 13:01