免训练

不更新任何模型参数，直接组合现成模型或算法来完成新任务。

免训练指一个方法用于新任务时不做任何梯度更新：直接调用已训练好的基础模型（大语言模型、视觉语言模型、分割或位姿估计模型等），靠提示词、代码生成、搜索或优化求解把它们串起来。它的吸引力在于不用采集机器人数据、换任务只需换指令，适合数据稀缺的具身场景；局限是效果受限于现成模型的能力和中间表示的设计，精细、接触丰富的动作通常做不好。它和零样本不完全相同：零样本强调没见过目标任务的样本，模型本身可能专门训练过；免训练强调整个方法不再训练。论文里也常用它描述即插即用的推理加速手段，如免训练的视觉 token 剪枝。

例子斯坦福的 VoxPoser 让大语言模型写代码调用视觉语言模型，把「把毛巾挂到架子上」「关上最上层抽屉」这类指令转成 3D 价值地图，再由运动规划生成轨迹，论文明确说整个过程不涉及任何额外训练。

也叫

无需训练、零训练、Training-free Method

相关

零样本、基础模型、VoxPoser、ReKep、代码即策略、视觉 token 剪枝

来源

VoxPoser: Composable 3D Value Maps for Robotic Manipulation with Language Models (project page)
ReKep: Spatio-Temporal Reasoning of Relational Keypoint Constraints for Robotic Manipulation (arXiv 2409.01652)