机械臂做到第10步就容易出错？一个 2B 模型靠动态调整注意力解决了 | IJCAI 2026
华东师范大学与上海交通大学团队提出 S²-VLA，引入信念状态和自适应动态门控机制，仅用 2B 参数、7GB 显存即实现长程操控成功率超 96.4%，性能超越多数 7B 甚至 8.5B 模型。该工作针对传统 VLA 模型在长程任务中因静态注意力分配导致的累积误差放大问题，通过动态调整视觉、意图及动作自注意力通道的权重比例，使模型能随任务阶段（如定位、抓取或切换）灵活分配算力。实验表明，该方法无需人工标注阶段标签，即可自发感知进度与偏差，有效抑制误差传播并提升执行稳定性。此外，S²-VLA 推理吞吐量达 80.8Hz，具备在端侧设备部署的潜力。