清华 AIR 发布 Zeva：冻结策略权重下的具身上下文因果学习

清华 AIR 与域变换团队发布 Zeva（项目页：In-Context Causal Learning for Generalizable Embodied Manipulation）。框架在部署期保持策略参数冻结，通过因果交互抽取器把动作与状态变化写入双时标因果记忆，再以 Causal Prompt 注入冻结策略，使机器人能从自身物理交互中在线改进。

项目页给出：RoboCasa365-Atomic5 平均成功率 76.8%；真实 ChemLab-Evo Level-1 平均 83.3%，其中拾取试管在 20 次随机回合中达 100%。累计成功率可随重复尝试上升（仿真示例从 Evolve 1 的 26% 到 Evolve 4 的 73%），并支持一次人类演示初始化后的 warm-up。

量子位 9 月 1 日中文报道介绍该发布；预印本 arXiv:2608.30880 标注提交于 8 月 31 日 UTC 下午。本条以项目主页为主要出处。