본 논문은 Vision-language-action (VLA) 모델이 새로운 카메라 시점 및 시각적 변화에 취약한 이유를 분석하고, Spatial Modeling의 정렬 불일치에 기인한다고 주장한다. 이를 해결하기 위해, 가벼운 학습 가능한 업데이트를 통해 시각적 표현을 재보정하는 일회성 적응 프레임워크를 제안한다. Feature Token Modulation (FTM)과 Feature Linear Adaptation (FLA) 두 가지 방법을 제시하여, Libero 시점 정확도를 향상시키고, 기존 모델의 견고성을 복원하는 것을 목표로 한다.
