STAR：在推理阶段引导 VLA 动作表征的免训练方法

STAR 是一种面向预训练视觉-语言-动作模型（VLA）的免训练推理方法，作者在探测实验中发现动作输出附近的动作表征未能充分保留任务相关的视觉接地。该方法对后层残差更新施加指数移动平均，使较晚的动作表征继承前层的物体感知更新方向，无需更新模型或改动架构；同时利用近期本体感受状态调节混合强度，在执行动态快速变化时采用保守混合。在机器人操作基准上的实验显示，STAR 提升了后层物体感知能力，平均任务成功率提高 4.0 个百分点，代码已公开。