学术前沿
In-Context VLA: Endowing VLA Models with Language via In-Context Post-Training
In-Context VLA是2026年8月由Jiarui Yang等人提出的研究，通过上下文后训练和智能体工具使用增强VLA模型的语言理解与推理能力。在RoboCasa-GR1、SimplerEnv和LIBERO三个仿真基准以及8个真实机器人任务上验证，证明上下文学习范式显著提升VLA模型在长时序多步骤操作任务中的表现，同时保持对新指令和新环境的泛化能力，为VLA与大语言模型深度融合提供新路径。
主体信息
In-Context VLA是2026年8月由Jiarui Yang等人提出的研究，通过上下文后训练和智能体工具使用增强VLA模型的语言理解与推理能力。在RoboCasa-GR1、SimplerEnv和LIBERO三个仿真基准以及8个真实机器人任务上验证，证明上下文学习范式显著提升VLA模型在长时序多步骤操作任务中的表现，同时保持对新指令和新环境的泛化能力，为VLA与大语言模型深度融合提供新路径。