egosteer

EgoSteer 是一个面向主视角视频的可操控灵巧操作视觉-语言-动作（VLA）系统，通过引入世界模型增强策略建模能力，并结合流匹配动作专家实现高精度动作生成。其核心基于 Qwen3-VL 多模态骨干网络，提供端到端训练、评估与部署流水线，支持 RealMan 等真实机器人开箱即用，具备少样本适配复杂长程任务的能力。适用于机器人灵巧操作研究、主视角模仿学习、真实场景数据高效微调等场景。