跳到正文
arXiv · 机器人与计算机视觉· Aiden Swann, Mathilde Papillon, Mozes Jacobs, Siddharth Boppana, Tal Haklay, Eric Bigelow, Andrew Lee, Conor Watts, Thomas Icard, Mac Schwager, Owen Lewis, Jack Merullo, Ekdeep Singh Lubana, Atticus Geiger, Thomas Fel, Matthew Kowal·· 2026-10-16AI 评分70

因果分析揭示机器人基础模型的效率增益:限制动作专家条件层数可降算 33%

Causal Analysis of Robot Foundation Models Enables Efficiency Gains

AI 导读

该研究对三个前沿 VLA 模型(π0.5、MolmoAct2 和 MolmoBot)进行机制性分析,发现感知与语义表征通过特定的“动作调节接口”影响动作专家。激活打补丁实验表明,目标名词的早期层决定物体选择,中晚期层携带空间信息以重定向运动。

来源:arXiv · 机器人与计算机视觉 · arxiv.org