已收录文章摘要，完整内容可前往原文阅读。
视觉-语言-动作（VLA）模型，在部署时往往会遇到一个问题：一旦相机视角、安装位置或机器人形态稍有变化，性能就可能会下降。以往的“上下文学习”（In-Context Learning ) ，通常把上下