热点事件持续更新

VICTR：面向VLA模型的进度感知上下文检索框架

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

2026年11月9日，arXiv Robotics 报道了 Luca Macesanu 等作者提出的 VICTR 框架，用于让视觉-语言-动作（VLA）模型具备上下文学习能力。该框架的核心是 In-Context Value Function Estimator（IC-VFE），由它估计任务相对进度，再据此检索演示片段，并将检索结果输入经上下文动作生成后训练的 π0.5 策略。报道称，在未见过的域外真实机器人操作任务上，VICTR 将成功率从微调 π0.5 基线的 6.2% 提升至 23.8%，任务进度率从 28.9% 提升至 55.5%。上述数字与结论均来自该篇报道，尚待更多独立验证。

AI 根据报道生成 · 12 小时前更新

最新进展11月9日 13:00

VICTR：用进度感知上下文检索为 VLA 模型实现上下文学习

报道时间线

沿着报道，了解事件的不同侧面。

11月9日

13:00
arXiv Robotics
VICTR：用进度感知上下文检索为 VLA 模型实现上下文学习
VICTR 通过 In-Context Value Function Estimator（IC-VFE）估计任务相对进度，据此检索演示片段并输入经上下文动作生成后训练的 π0.5 策略，实现 VLA 模型的上下文学习。在未见过的域外真实机器人操作任务上，成功率从微调 π0.5 基线的 6.2% 提升至 23.8%，任务进度率从 28.9% 提升至 55.5%。

本事件热度走势

可比范围当前: 7
可比范围峰值: 1011月9日 14:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。