内容摘要
VLA适应新操作场景通常需要额外更新参数，数据或算力不足时会限制部署。作者提出ICI-VLA，以检索示范作为测试时上下文：参数只在离线训练时更新，推理时策略与检索器均冻结，保留原生文本生成接口，以数值文本输出动作，而非增加专用动作头。
方法将长轨迹拆成带语义标签的微示范，通过语义筛选和动态时间规整（DTW）挖掘监督信号，训练RD-Encoder，使检索兼顾子任务语义、阶段与运动几何。DTW仅用于离线训练，推理不读取查询的目标动作。目标动作掩码在训练时破坏部分动作前缀，降低对精确数值续写的依赖；其是否促使模型更多利用当前观测，仍是作者假设。
作者报告，LIBERO与RoboTwin 2.0平均成功率分别为97.7%和60.4%；四项双臂Aloha真机任务平均为83.2%。默认推理检索三条示范，属于少样本上下文适配而非零样本。仿真每任务评估10次，真机每任务250次；这些结果应在相应测试条件下理解。
点评
作者实验支持将时空对齐示范作为固定策略的测试时适配输入；消融中，移除掩码、DTW或语义筛选均降低成功率。
方法仍依赖示范与规划器覆盖，并有离线训练及检索成本。外部基线沿用各自协议，不能将跨论文差值视为受控配对证据；消融也不能证明模型形成了显式残差计算。
版本与核查范围
版本 2609.07581v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #abstract1.1；figcaption[33]；#S3.SS1.p2.1；#S3.p1.1；#S1.p4.1；#S3.SS3.SSSx2.p3.2；#S3.SS3.SSSx3.p2.2；#S1.p5.1；#S3.SS3.SSSx3.p1.1；#S3.SS3.SSSx3.p3.1；#S4.SS1.p2.1；figcaption[89]