跳到正文
arXiv · 机器人与计算机视觉· Aiden Swann, Mozes Jacobs, Mathilde Papillon, Siddharth Boppana, David Chanin, Dron Hazra, Usha Bhalla, Curt Tigges, Mac Schwager, Owen Lewis, Jack Merullo, Ekdeep Singh Lubana, Atticus Geiger, Thomas Fel, Matthew Kowal·· 2026-10-16AI 评分68

多维特征提取器实现机器人基础模型的细粒度控制与数据塑形

Multi-Dimensional Featurizers Yield Fine-Grained Steering and Data Shaping in Robot Foundation Models

AI 导读

该论文研究如何通过恢复模型内部的低维子空间结构来理解与控制具身智能行为。作者提出块稀疏特征提取器(BSFs),成功识别出感知、语言、本体状态等任务相关特征,并通过微调干预验证了因果性。此外,利用基于特征的数据归因方法,仅需屏蔽不到 1.4% 的训练 token 即可移除特定失败恢复行为,为理解与改变机器人行为提供了有效工具。

来源:arXiv · 机器人与计算机视觉 · arxiv.org