TTT in VLA Models：在 InternVLA-A1 与 Pi0.5 中探索基于人类示教的训练

研究将测试时训练（TTT）集成进 InternVLA-A1 和 Pi0.5，通过配对示教与机器人轨迹训练，探索以人类示教为条件的动作生成。在当前规模下，加入 TTT 与配对数据训练并未带来基于示教的一致目标选择，更短序列、全轨迹梯度连通和对比正则也未明显提升对示教的响应。示教缩减为单帧线索时，实机执行仍偏好固定位置的杯子。