Zeva: In-Context Causal Learning for Generalizable Embodied Manipulation

Zeva是首个支持上下文学习的具身操作因果学习框架，2026年发布。该框架使机器人能够通过上下文示例学习新的操作技能，无需针对每个任务进行微调。Zeva引入因果推理机制，使模型能够理解操作动作与物体状态变化之间的因果关系，从而在未见物体和新任务上实现更好的泛化。该框架为具身智能体的快速技能适应提供了新的学习范式。