极智嘉发布Gravity Control模型：自然语言即可干预VLA策略的运行时纠偏机制

2026年10月21日，极智嘉发布Gravity Control因果干预模型，面向具身智能策略的运行时纠偏场景。该模型无需训练原始策略模型，也无需新增示教数据，而是通过机制可解释性挖掘端到端模型内部的动作调控机制，在推理阶段直接干预相关latent feature，实现对具身策略的实时修正。

Gravity Control从端到端模型的内部因果表征机制入手，建立“概念可解释+行为可控制”的双向闭环。操作人员仅凭一句自然语言提示，即可精确激活并微调模型内部的运动特征，从而修正执行过程中的动作偏差。据极智嘉介绍，在分布外（OOD）复杂操作任务中，该架构将整体成功率从17.5%提升至87.5%，单项设置的成功率由5%升至95%。

传统端到端模型通常只接受宏观任务级指令，当执行过程中出现微小几何偏差时，上层语言指令难以传递抓取深度、手腕翻转角、夹爪开度等底层控制参数。Gravity Control通过构建语言引导的动作调节链路解决这一问题。例如，当机器人出现动作偏差时，操作人员可发出“下夹取时抓得更深一点、更低一点”等自然语言提示，实现对底层动作特征的精确干预。

目前，Gravity Control已在π0.5、OpenVLA-OFT等代表性VLA架构、LIBERO simulation benchmark以及物理机器人平台上完成评估。在真实机器人OOD任务中，在不更新原始策略权重、不新增示教数据的前提下，实现了即插即用的零样本动作挽救。此外，该模型可接入更上层的Agent或AI原生系统套件，由上层系统自动完成Detect→Diagnose→Correct的作业链条，并将成功纠偏过程沉淀为可复用Skill，供相似状态再次检索调用。