VLA模型中的TTT：探索利用人类演示进行训练

研究将测试时训练（TTT）集成到InternVLA-A1与Pi0.5中，通过配对的人类演示与机器人轨迹训练，研究以演示为条件的动作生成，并实现两阶段间的记忆迁移与截断反向传播。实验覆盖视频、短视频与单帧线索任务，考察训练目标、梯度覆盖与对比正则化。在当前规模下，加入TTT并用配对数据训练，未能带来基于演示的一致目标选择；更短序列、全轨迹梯度连通与对比正则化也未明显提升对演示的响应；演示缩减为单帧线索时，真机执行仍偏好固定位置的杯子。