MorphAct：随交互情境动态调整机器人策略参数

2026年10月15日，arXiv Robotics 出现由 Ziyan Liu 等作者提交的论文预印本，提出 MorphAct——一个上下文参数化框架，可随交互情境动态调整机器人策略参数。该框架由两个耦合生成器为视觉语言与动作模块生成上下文相关的低秩更新，并依据策略的计算依赖关系耦合，通过原生动作目标联合训练，无需操作标签或专家适配器目标。据该报道，在 LIBERO 和 Meta-World 上，MorphAct 于三个 VLA 主干上最高提升 16.30%；真实世界评测中相对 π_{0.5} 最高提升 14%。目前该事件仅有这一篇主报道，尚无跟进报道，上述提升幅度均为论文自述结果，未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。