arXiv · 机器人与计算机视觉· Carlota Par\'es-Morlans, Nils Kuhn, Y. Isabel Liu, Alberta Longhini, Jeannette Bohg·· 2026-10-19精选AI 评分82
解析视觉语言动作模型在接触丰富任务中的失效原因与修复方法
Demystifying When and Why VLAs Fail in Contact-Rich Tasks and How to Fix Them
AI 导读
针对视觉语言动作模型(VLA)在处理需要精确物理交互的接触丰富任务时表现不佳的问题,该研究识别了精度失效和力失效两种主要模式,并提出 FACT 方法进行改进。FACT 通过在后期训练增加低噪声采样以优化精细动作预测,并引入结构化力条件引导动作生成。在涵盖近 2,500 次真实世界部署的评估中,该方法在五类接触丰富任务上的平均成功率达到 66%,优于最佳基线方法的 41%。
推荐理由
该工作通过 FACT 方法在接触丰富任务中将成功率提升至 66%,为理解 VLA 失效模式及改进提供了新视角。
来源:arXiv · 机器人与计算机视觉 · arxiv.org