跳到正文
arXiv · 机器人与计算机视觉· Xinchen Jin, Aditya Chatterjee, Pranav Kumar, Rohan Paleja·· 13 天前AI 评分68

面向视觉语言动作策略的事件 grounded 稀疏自编码器研究

Event-Grounded Sparse Autoencoders for Vision-Language-Action Policies

AI 导读

论文针对视觉语言动作(VLA)策略内部表征难以直接解读的问题,提出一种将稀疏自编码器(SAE)特征分析与机器人行为事件锚定的可解释性流程。该方法从末端执行器轨迹中提取关键帧并聚类为事件,利用视觉、状态和时间线索引导 SAE 特征排名,可选用 VLM 进行事件描述。

来源:arXiv · 机器人与计算机视觉 · arxiv.org