FineCraft：面向细粒度操作的 VLA 模型适配框架

FineCraft 是一个为 MetaFine 挑战赛细粒度操作任务适配预训练模型的框架，通过任务路由的混合策略，在统一观测-动作接口下选择独立适配的 DINOv2-DiT 或预训练 π0.5 策略。方法上，局部视觉特征用于识别指令所指的物体部位，演示与专家续写用于教授所需动作，新观测在执行中引导重规划。FineCraft 以 0.878 的总分排名第四，在全部五个任务上超过已公布的参考结果；官方结果与本地诊断覆盖视觉扰动、指令变化和多阶段操作。代码已公开，论文为 6 页预印本。