EgoSteer-3B-RealMan 是面向 RealMan 机器人的通用 VLA 策略，来自 EgoSteer 全栈系统，对应论文中的 EgoSteer-9.6K-DG。它是双相机（头部+胸部）检查点，可直接在 RealMan embodiment 上运行，也可作为其他 embodiment 继续后训练的起点。

模型基于 Qwen3-VL-2B-Instruct，包含 flow-matching 动作专家，并在训练阶段使用由冻结 DINOv3 ViT-L/16 教师提供未来帧特征的 world model expert。EgoSteer-3B-Base 先在 9.6k 小时第一视角人类视频上预训练，本模型再用 RealMan 采集的真实双相机示范进行后训练；系统评估覆盖 45 个任务。

输入为自然语言指令、多视角 RGB、相机内参和 48 维本体状态，输出 32 步、48 维相对动作块。推理和微调需使用仓库配置与 normalizer，并依赖 EgoSteer 代码库；许可为 Apache 2.0。部署到其他机器人需匹配相机、图像尺寸和归一化等格式或继续后训练，硬件执行前需做安全验证。