Cloak: Zero-Shot Cross-Embodiment VLA Transfer via End-Effector Cloaking

Cloak是2026年发表的训练策略，通过在训练中对手腕相机视图进行末端执行器遮蔽（end-effector cloaking），将腕部视角与自身本体解耦，从而赋予视觉-语言-动作（VLA）模型零样本跨本体迁移能力。该方法是ZETA研究的核心技术贡献，在桌面操作场景下系统验证了多种VLA架构在不同机械臂本体间的迁移表现，揭示了本体特异性视觉特征对泛化的瓶颈，为构建真正通用的具身智能基础模型提供了重要方法论。