arXiv · 机器人与计算机视觉· Theodor Wulff, Angelo Cangelosi·· 2026-10-08AI 评分73
视觉 - 语言 - 动作模型是否理解指令?一项关于语言 grounding 的机制可解释性研究
Do Vision-Language-Action Models Understand Instructions? A Mechanistic Interpretability Study on Language Grounding
AI 导读
该论文对 pi_0.5 和 GR00T N1.7 两个先进的视觉 - 语言 - 动作模型进行了受控的机制可解释性研究,旨在探究其动作生成是依赖语言指令还是主要依靠视觉线索。
来源:arXiv · 机器人与计算机视觉 · arxiv.org