自进化WAM来了！清华航空联手域转型提出了身在情境中的因果学习

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 自进化WAM来了！清华AIR联手域变换提出具身In-Context Causal Learning 思邈 2026-09-01 13:12:30 来源： 量子位 Zeva团队 投稿 量子位 | 公众号 QbitAI 模型不更新，能力却持续增长。 这是Zeva最反直觉的地方，也是 清华AIR 与 域变换 联手给出的新答案。 在多个典型具身基准任务上，将冻结模型的累计成功率从 26% 提升到 73% ；在真实化学实验室，机械臂在多次尝试中越用越稳。 更关键的是，一次人类演示就能让模型“学会”一个新操作。 Zeva 是 首个实现In-Context Causal Learning（ICCL）的具身WAM 。 它让模型可以在不更新权重的情况下，从自己的交互经验中持续学习。当这种能力逐步成熟， 具身智能 将迎来属于自己的 “GPT时刻” 。 项目信息 项目名称：Zeva 发布机构：清华AIR、域变换 论文题目：Zeva: In-Context Causal Learning for Generalizable Embodied Manipulation 项目主页：https://air-embodied-brain.github.io/Zeva/ 具身模型的自进化，为什么过去很难？ 具身智能的真正瓶颈，是“模型到了现场能不能越做越好”。 传统思路里，想让机器人适应新环境，通常要重新采集数据、微调模型或做test-time training。 但这些方法依赖梯度更新，速度慢、成本高，还可能在适应新任务时破坏已有能力。 另一类in-context learning方法可以让模型根据演示或任务描述调整行为，但主要解决“任务理解”，并没有让模型从自己的动作后果中学习物理因果。 从“任务泛化”到“因果迁移” 过去我们谈跨域，更多是sim-to-real、跨本体迁移、跨任务泛化。这些方法大多依赖数据对齐或表征对齐，本质上是在不同域之间搬运“任务经验”。 Zeva更进一步：它迁移的是“动作与状态变化之间的因果关系”。 同一个模型，在仿真里学到的物理因果，可以被带到真实机械臂；在一次尝试里积累的失败经验，可以指导另一个相似物理过程的尝试；人类的一次演示，也可以直接变成机器人的因果上下文。 这种跨域迁移通过上下文完成。模型在上下文中推断环境因果结构，并把因果知识用于下一次动作生成。这就是Zeva所定义的In-Context Causal Learning。 示例一：从放置称量纸的误操作中提取因果关系，完成上下文内学习，提升任务精度。 示例二：从称取试剂至称量纸的误操作中提取因果关系，完成上下文内学习，提升任务精度。 示例三：从一次人类演示中完成上下文内因果学习。 Zeva：把“因果学习”装进模型上下文 △Zeva总体框架。模型通过Causal Interaction Extraction、Dual-timescale Causal Memory、In-Context Policy Injection，在不更新权重的情况下实现部署中自进化。图片来源：论文 Zeva是一个模型。它的Causal Transition Encoder、Dual-timescale Causal Memory、In-Context Policy Injection，都属于模型推理链路的一部分。 在每个环境步，Zeva提取三类信号：视觉状态、动作编码、观察到的状态变化。 它们被递归编码为Causal Interaction State，并进一步投影为Phase Token和Causal Interaction Signal。 这些因果信号被组织成双时标上下文：Brief Interaction Trace负责当前尝试内的连贯执行，Persistent Interaction Memory跨尝试累积可复用经验。 决策时，Zeva检索与当前任务阶段匹配的交互证据，构造Causal Prompt，注入冻结的Cosmos3动作生成模型。整个过程零梯度更新。 技术拆解：Zeva如何“以小博大” 亮点一：Causal Transition Encoder，让模型看见“动作→结果”。 模型显式学习动作引起的状态变化。训练目标包括因果效果预测、任务聚类和阶段进度，让Causal Interaction Signal真正携带物理因果信息。 亮点二：双时标因果记忆，让模型可以跨尝试自我进化。 BIT保证当前执行的连贯性，PIM把一次失败、一次修正、一次成功沉淀为后续可检索的上下文。同一个模型在repeated attempts中越用越强。 亮点三：In-Context Policy Injection，让冻结模型直接消费因果上下文。 通过Causal Prompt把任务、阶段和交互证据注入生成模型，不加额外噪声、不参与flow loss，只作为条件影响后续动作。这是“不调权重也能进化”的关键设计。 和传统Test-Time Training相比，Zeva的差异很直接： 数据说话：自进化+One-Shot人类演示增强 在RoboCasa365-Atomic5上，Zeva平均成功率76.8%，效果最优。 更重要的是部署后的self-evolution曲线：累计成功率从Evolve 1的26%提升到Evolve 4的73%。 真实化学实验室ChemLab-Evo上，三个原子任务同样呈现单调增长：Pick Up Test Tube从65%到100%，Place Beaker从25%到70%，Pour Water从30%到80%。 Zeva还支持one-shot human demonstration enhancement：一次人类演示初始化PIM后，模型无需微调即可复现关键操作。 量化结果显示，人类warm-up在Place Beaker上最高带来20个百分点的提升，在Pour Water上带来15个百分点的提升。 △RoboCasa365上，Zeva在模型权重完全冻结的情况下，累计成功率从Evolve 1的26%提升到Evolve 4的73%。图片来源：论文 △真实化学实验室中，三个原子任务累计成功率随尝试里程碑提升。模型参数未更新。图片来源：论文 △One-shot人类演示warm-up对三个原子任务的影响。虚线为有人类演示初始化，实线为纯自进化。图片来源：论文 为什么Zeva是一个新范式？ Zeva 的深层意义，是把具身模型的scaling从“参数空间”延伸到“上下文空间”。 传统scaling通过扩大数据、参数、算力来提升模型能力。 Zeva展示的另一种scaling是：在部署过程中不断增加可供模型消费的因果上下文。 每一次尝试都会产生新的interaction evidence，这些证据被压缩为Causal Interaction Signal并进入双时标记忆。 模型每多一次交互，就多一次对当前物理环境的“隐式系统辨识”。 这里的理