跳到正文
arXiv · 机器人与计算机视觉· Yu Fang, Yuchun Feng, Dong Jing, Jiaqi Liu, Yue Yang, Zhenyu Wei, Daniel Szafir, Mingyu Ding·· 13 天前精选AI 评分80

当视觉压倒语言:评估与缓解 VLA 中的反事实失败

When Vision Overrides Language: Evaluating and Mitigating Counterfactual Failures in VLAs

AI 导读

视觉 - 语言 - 动作模型(VLA)常因数据集偏差而依赖视觉捷径,忽视语言指令意图。该工作提出首个反事实基准 LIBERO-CF,在相同场景布局下分配替代任务以评估语言遵循能力。

推荐理由

该工作提出首个 VLA 反事实基准 LIBERO-CF,并给出无需修改架构的 CAG 方法以缓解视觉捷径导致的指令遵循失效问题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org