Zeva 是清华 AIR 与域变换提出的一种具身操作部署期适应框架。它不在现场更新 Cosmos3 基础策略的权重，而是让机器人记住自己执行动作后造成的物理变化，并把检索到的经验作为上下文送回策略，从而改变下一步动作。换句话说，它试图把传统“采数据—做标注—重新微调”的闭环，转移到推理时完成。15

它不是“再训练”，而是“带着经验继续推理”

面对陌生摆放、物体几何差异或未见过的局部物理条件，常规路线往往需要收集新数据、人工标注并训练新模型版本。Zeva 的做法是让策略权重保持冻结：机器人在每一步观察自己的动作及其后果，从中提取可复用的交互证据；后续决策时再按当前任务阶段取回这些证据。15

因此，Zeva 的“学习”属于基于记忆的上下文内适应，不是持久的参数学习。其潜在好处是减少重新训练、模型发布和停机等待；但经验是否可靠、该保留多久，仍需要专门治理。16

三个关键部件如何协同

1. 因果转移编码器（CTE）：记住“我做了什么，结果发生了什么”

每执行一个动作，因果转移编码器（Causal Transition Encoder，CTE）会结合视觉状态、动作编码和观察到的状态变化，形成潜在的因果交互表征。该表征进一步区分任务所处阶段的 Phase Token（阶段标记），以及更聚焦动作所诱发物理变化的因果交互信号。

设计目标是降低背景、光照等偶然视觉相关性的干扰，让系统不只看到“夹爪移动了”，还尽量理解“夹爪的这次动作是否让物体被抓稳、抬起、倾斜，或使任务取得进展”。14

2. 双时标记忆：眼前的纠错与跨尝试的积累分开处理

Zeva 将交互经验存入两个时间尺度不同的记忆模块：

• Brief Interaction Trace（BIT，简短交互轨迹）：保存当前一次尝试中刚刚发生的交互。它更像工作记忆，适合根据上一步的偏差快速纠错、适应当下局部动力学。1
• Persistent Interaction Memory（PIM，持久交互记忆）：在同一 episode 的多次尝试之间保留、筛选并整合相关证据。此前的失败与成功都可以影响下一次重试，而不是每次重新开始便完全遗忘。1

两者分开，意在避免把单次偶然噪声直接沉淀成长期经验，同时保留即时反馈的价值。1

3. 上下文策略注入：给冻结策略一份“此刻该参考什么”的提示

在生成后续动作时，Zeva 从 BIT 和 PIM 中检索与当前任务阶段匹配的因果证据，组织成因果提示（causal prompt），并注入冻结基础策略的动作生成链路。策略本身不进行梯度计算或参数更新，却能因输入上下文不同而做出不同动作。15

论文报告了哪些效果？

在五项 RoboCasa365-Atomic5 仿真任务上，Zeva 报告的平均成功率为 76.8%，高于 Fast-WAM 的 72.4% 和 Cosmos3-Nano 的 64.8%。1

真实 ARX 机械臂的 ChemLab-Evo Level-1 原子任务中，团队报告，随着重复尝试和经验积累：

• 抓取试管（Pick Up Test Tube）：成功率从 65% 升至 100%；
• 放置烧杯（Place Beaker）：从 25% 升至 70%；
• 倒水（Pour Water）：从 30% 升至 80%。1

最终的 Level-1 表格中，Zeva 在这三项任务分别达到 100%／70%／80%，平均为 83.3%；Cosmos3-Nano 为 80%／70%／60%，Fast-WAM 为 85%／70%／75%。1

关于常被转述的“累计成功率从约 26% 升至 73%”，现有主论文材料将该曲线标注为 RoboCasa365，并非 ChemLab-Evo。因此，将这条 26%→73% 曲线明确归因于 ChemLab-Evo，缺乏所提供一手材料的支持。1

一次人类示范能做什么？

Zeva 还支持将一次人工物理引导的操作轨迹录入同一套交互记忆，作为 warm-up（热启动）经验。策略权重依旧冻结，之后可利用该轨迹中的因果交互上下文复现相应动作序列。6

现有材料确认了这一单次示范热启动机制，但没有提供烧杯放置或倒水任务在示范前后的可靠定量增幅。因此，更稳妥的说法是：单次示范可为相关任务提供启动或改进线索，而不能据此给出未经验证的具体提升数字。6

为什么较弱的基线可能提升更明显？

一个合理解释是“可改进空间”不同：较弱的预训练策略在物理设置变化时更容易系统性出错，因果记忆提供的纠偏证据也就有更多机会发挥作用；更强的基础策略原本成功率较高，剩余可恢复的错误更少。

不过，这应被视为符合结果的解释，而非已被证明的普遍规律。现有证据展示的是特定任务中的比较结果与部署期改善，尚不足以推出“越弱的模型一定获益越大”的普适定律。1

为什么选择化学实验室任务？

ChemLab-Evo 面向实验室操作中常见、且后果相对清晰的物理变化：小型容器的抓取几何、精确放置、倾倒与液体转移，以及多阶段操作中的可诊断失败。该基准使用 ARX 机械臂，覆盖七项任务，从抓试管、放烧杯、倒水等原子操作，延伸到滴定、盐溶液配制、天平称量和萃取等短序列或更长流程。1

这类任务适合检验：机器人记住的究竟是视觉表象，还是可跨尝试、甚至在相近技能间复用的“动作—效果”关系。1

现实代价与尚未回答的问题

• 推理与上下文成本：检索记忆、构造因果提示都会增加计算和上下文处理负担。历史更长不必然更好，检索质量、延迟和上下文容量都可能成为瓶颈；现有结果尚未证明其可稳定扩展至极长部署周期。1
• 记忆污染风险：如果因果编码错误、任务阶段匹配不准，或某次失败轨迹具有误导性，系统可能取回有害经验。BIT 与 PIM 的分离可缓解问题，但不能保证长期记忆一定安全可靠。1
• 物理对象范围有限：已展示的真实任务主要涉及刚性实验器材与液体转移。对布料、线缆、食物、软包装等高度可变形物体，以及高度依赖力觉、触觉的接触密集任务，泛化能力仍未得到验证。1
• 受控场地不等于长期现场运行：评估会在尝试之间重置环境，并在一个 episode 内保留 PIM。这不等同于在持续变化的真实设施中无限期运行，例如相机标定漂移、设备磨损、人员走动、杂物变化，以及长期记忆的清理与权限管理等问题仍未展示。1
• 跨平台与硬件迁移未知：真实实验使用的是特定 ARX 机械臂和约 80 厘米 × 60 厘米工作空间。能否平稳迁移到不同机械臂、夹爪、移动操作机器人、双臂系统、传感器组合、控制频率与安全约束下，尚无定论。1
• 任务类别的广泛泛化仍待实证：该方法在选定的厨房和化学任务上展现出跨技能复用潜力，例如抓取闭合、抬升、容器倾斜等效果相近的操作；但面对彼此差异很大的任务类别和复杂语义指令，尚缺少广泛验证。1
• 证据仍处早期阶段：这些结果来自论文与项目方报告，尚非独立复现。Zeva 的机制描述较清楚，但其在更长时程、更广硬件、软体物体和非受控生产现场中的鲁棒性，仍需要更强证据支持。1

Zeva 是清华 AIR 与域变换提出的一种具身操作部署期适应框架。它不在现场更新 Cosmos3 基础策略的权重，而是让机器人记住自己执行动作后造成的物理变化，并把检索到的经验作为上下文送回策略，从而改变下一步动作。换句话说，它试图把传统“采数据—做标注—重新微调”的闭环，转移到推理时完成。15

它不是“再训练”，而是“带着经验继续推理”

面对陌生摆放、物体几何差异或未见过的局部物理条件，常规路线往往需要收集新数据、人工标注并训练新模型版本。Zeva 的做法是让策略权重保持冻结：机器人在每一步观察自己的动作及其后果，从中提取可复用的交互证据；后续决策时再按当前任务阶段取回这些证据。15

因此，Zeva 的“学习”属于基于记忆的上下文内适应，不是持久的参数学习。其潜在好处是减少重新训练、模型发布和停机等待；但经验是否可靠、该保留多久，仍需要专门治理。16

三个关键部件如何协同

1. 因果转移编码器（CTE）：记住“我做了什么，结果发生了什么”

每执行一个动作，因果转移编码器（Causal Transition Encoder，CTE）会结合视觉状态、动作编码和观察到的状态变化，形成潜在的因果交互表征。该表征进一步区分任务所处阶段的 Phase Token（阶段标记），以及更聚焦动作所诱发物理变化的因果交互信号。

设计目标是降低背景、光照等偶然视觉相关性的干扰，让系统不只看到“夹爪移动了”，还尽量理解“夹爪的这次动作是否让物体被抓稳、抬起、倾斜，或使任务取得进展”。14

2. 双时标记忆：眼前的纠错与跨尝试的积累分开处理

Zeva 将交互经验存入两个时间尺度不同的记忆模块：

• Brief Interaction Trace（BIT，简短交互轨迹）：保存当前一次尝试中刚刚发生的交互。它更像工作记忆，适合根据上一步的偏差快速纠错、适应当下局部动力学。1
• Persistent Interaction Memory（PIM，持久交互记忆）：在同一 episode 的多次尝试之间保留、筛选并整合相关证据。此前的失败与成功都可以影响下一次重试，而不是每次重新开始便完全遗忘。1

两者分开，意在避免把单次偶然噪声直接沉淀成长期经验，同时保留即时反馈的价值。1

3. 上下文策略注入：给冻结策略一份“此刻该参考什么”的提示

在生成后续动作时，Zeva 从 BIT 和 PIM 中检索与当前任务阶段匹配的因果证据，组织成因果提示（causal prompt），并注入冻结基础策略的动作生成链路。策略本身不进行梯度计算或参数更新，却能因输入上下文不同而做出不同动作。15

论文报告了哪些效果？

在五项 RoboCasa365-Atomic5 仿真任务上，Zeva 报告的平均成功率为 76.8%，高于 Fast-WAM 的 72.4% 和 Cosmos3-Nano 的 64.8%。1

真实 ARX 机械臂的 ChemLab-Evo Level-1 原子任务中，团队报告，随着重复尝试和经验积累：

• 抓取试管（Pick Up Test Tube）：成功率从 65% 升至 100%；
• 放置烧杯（Place Beaker）：从 25% 升至 70%；
• 倒水（Pour Water）：从 30% 升至 80%。1

最终的 Level-1 表格中，Zeva 在这三项任务分别达到 100%／70%／80%，平均为 83.3%；Cosmos3-Nano 为 80%／70%／60%，Fast-WAM 为 85%／70%／75%。1

关于常被转述的“累计成功率从约 26% 升至 73%”，现有主论文材料将该曲线标注为 RoboCasa365，并非 ChemLab-Evo。因此，将这条 26%→73% 曲线明确归因于 ChemLab-Evo，缺乏所提供一手材料的支持。1

一次人类示范能做什么？

Zeva 还支持将一次人工物理引导的操作轨迹录入同一套交互记忆，作为 warm-up（热启动）经验。策略权重依旧冻结，之后可利用该轨迹中的因果交互上下文复现相应动作序列。6

现有材料确认了这一单次示范热启动机制，但没有提供烧杯放置或倒水任务在示范前后的可靠定量增幅。因此，更稳妥的说法是：单次示范可为相关任务提供启动或改进线索，而不能据此给出未经验证的具体提升数字。6

为什么较弱的基线可能提升更明显？

一个合理解释是“可改进空间”不同：较弱的预训练策略在物理设置变化时更容易系统性出错，因果记忆提供的纠偏证据也就有更多机会发挥作用；更强的基础策略原本成功率较高，剩余可恢复的错误更少。

不过，这应被视为符合结果的解释，而非已被证明的普遍规律。现有证据展示的是特定任务中的比较结果与部署期改善，尚不足以推出“越弱的模型一定获益越大”的普适定律。1

为什么选择化学实验室任务？

ChemLab-Evo 面向实验室操作中常见、且后果相对清晰的物理变化：小型容器的抓取几何、精确放置、倾倒与液体转移，以及多阶段操作中的可诊断失败。该基准使用 ARX 机械臂，覆盖七项任务，从抓试管、放烧杯、倒水等原子操作，延伸到滴定、盐溶液配制、天平称量和萃取等短序列或更长流程。1

这类任务适合检验：机器人记住的究竟是视觉表象，还是可跨尝试、甚至在相近技能间复用的“动作—效果”关系。1

现实代价与尚未回答的问题

• 推理与上下文成本：检索记忆、构造因果提示都会增加计算和上下文处理负担。历史更长不必然更好，检索质量、延迟和上下文容量都可能成为瓶颈；现有结果尚未证明其可稳定扩展至极长部署周期。1
• 记忆污染风险：如果因果编码错误、任务阶段匹配不准，或某次失败轨迹具有误导性，系统可能取回有害经验。BIT 与 PIM 的分离可缓解问题，但不能保证长期记忆一定安全可靠。1
• 物理对象范围有限：已展示的真实任务主要涉及刚性实验器材与液体转移。对布料、线缆、食物、软包装等高度可变形物体，以及高度依赖力觉、触觉的接触密集任务，泛化能力仍未得到验证。1
• 受控场地不等于长期现场运行：评估会在尝试之间重置环境，并在一个 episode 内保留 PIM。这不等同于在持续变化的真实设施中无限期运行，例如相机标定漂移、设备磨损、人员走动、杂物变化，以及长期记忆的清理与权限管理等问题仍未展示。1
• 跨平台与硬件迁移未知：真实实验使用的是特定 ARX 机械臂和约 80 厘米 × 60 厘米工作空间。能否平稳迁移到不同机械臂、夹爪、移动操作机器人、双臂系统、传感器组合、控制频率与安全约束下，尚无定论。1
• 任务类别的广泛泛化仍待实证：该方法在选定的厨房和化学任务上展现出跨技能复用潜力，例如抓取闭合、抬升、容器倾斜等效果相近的操作；但面对彼此差异很大的任务类别和复杂语义指令，尚缺少广泛验证。1
• 证据仍处早期阶段：这些结果来自论文与项目方报告，尚非独立复现。Zeva 的机制描述较清楚，但其在更长时程、更广硬件、软体物体和非受控生产现场中的鲁棒性，仍需要更强证据支持。1