动作

其中，是冻结的VLA动作解码器。

它通过动作到噪声的近似反演，将人类纠正转换成噪声监督，使监督学习和强化学习能够共同更新同一个轻量noiseactor，而预训练VLA的动作解码器始终保持冻结。

UniSteer用机械臂「拼豆」：让人类指导进入VLA噪声空间强化学习2026年09月02日10:30机器之心Pro视觉-语言-动作模型（Vision-Language-ActionModel，VLA）正在成为机器人操作的重要基础模型。

因此，人类纠正和强化学习不再分别修改动作模型的不同部分，而是通过同一个噪声接口更新同一个actor。

研究者还比较了两种替代方案：一种把噪声本身当作优化变量，通过梯度搜索能够重建人类动作的噪声；

人类动作与噪声空间之间，缺少一个可靠的接口。

UniSteer的核心思路并不复杂：既然冻结的VLA定义了从噪声到动作的映射，就沿着这条路径反向寻找产生人类动作的初始噪声。

UniSteer给出的答案，是把人类动作反演为初始噪声，让监督学习与强化学习在同一个轻量noiseactor上汇合。

于是，UniSteer可以从人类动作开始，逐步逆转每一个Euler去噪步骤，最终恢复对应的初始噪声

这就把问题收敛为一个关键技术问题：能否找到一个噪声，使冻结的VLA恰好生成接近人类纠正的动作？