SteerAct 用 24 次 rollout 将机器人动作模型成功率提升约 10%

SteerAct 通过测试阶段的少样本时序引导改进预训练机器人动作模型，无需更新动作模型权重。框架利用稀疏自编码器候选特征和共享时序描述子选择干预时机与引导系数，每个任务使用 24 条带结果标签的 rollout，在多个仿真及真实世界任务上将成功率相对提升约 10%。代码与演示已经公开。