跳到正文
arXiv · 机器人与计算机视觉· Josh Qixuan Sun, Xiaoying Xing, Yurun Chen, Huaiyuan Weng, Wentao Zhu, Mark Crowley·· 28 天前精选AI 评分78

NavBind:诊断导航 VLA 在路线分叉处的指令 - 动作绑定问题

NavBind: Diagnosing Instruction-Action Binding at Route Forks in Navigation VLAs

AI 导读

论文 NavBind 提出一种方法,用于诊断视觉语言动作(VLA)导航模型是否真正遵循指令而非仅依赖视觉线索或历史轨迹。研究构建了包含 3,252 个路线分叉场景的数据集,通过对比不同分支下的动作序列、概率分布及注意力变化,发现高导航成功率并不等同于对指令的忠实执行。材料为预印本,未报告真实机器人部署结果。

推荐理由

该工作通过构建路线分叉数据集,揭示导航 VLA 模型高成功率可能未忠实遵循指令的现象。

来源:arXiv · 机器人与计算机视觉 · arxiv.org