UniSteer用机械臂「拼豆」：让人类指导进入VLA噪声空间强化学习

2026.09.02 · 事件 · 论文 · 论文预印本

微软亚洲研究院等机构提出UniSteer，将人类纠正动作反演为噪声监督，提升VLA真机强化学习效率。

微软亚洲研究院、悉尼科技大学和清华大学的研究者提出UniSteer，通过动作到噪声的近似反演，将人类纠正转换成噪声监督，使监督学习和强化学习共同更新轻量noise actor，冻结预训练VLA。在四项真机任务中，平均66分钟将成功率从20%提升至90%，并仅用两条演示完成拼豆任务。