Align-Then-StEer (ATE) wurde im September 2025 vom Embodied Intelligence Team des China Telecom Artificial Intelligence Research Institute (TeleAl) in Zusammenarbeit mit der Tsinghua-Universität und anderen Institutionen vorgeschlagen. Die entsprechenden Forschungsergebnisse wurden in der Arbeit „Ausrichten – dann steuern: Anpassung der Vision-Language-Aktionsmodelle durch einheitliche latente Führung".

ATE ist ein neuartiges, dateneffizientes Plug-and-Play-Anpassungsframework, das zunächst verschiedene Aktionsräume durch die Konstruktion eines einheitlichen latenten Raums anpasst. Anschließend steuert ein Leitmechanismus den Generierungsprozess diffusions- oder flussbasierter VLAs während der Feinabstimmung und bringt die Ausgabeverteilung des Modells näher an die Zieldomäne.