跳到正文
arXiv · 机器人与计算机视觉· Zihao Feng, Qingzhao Zhang, Chunyu Xia, Bo Yu, Z. Morley Mao, Ramesh Govindan·· 15 天前精选AI 评分82

Say the Same, Act Differently:诊断与引导推理 VLA 中的文本 - 动作分歧

Say the Same, Act Differently: Diagnosing and Steering Text-Action Divergence in Reasoning VLAs

AI 导读

该研究针对推理型视觉语言动作(VLA)模型,发现视觉扰动可在保持生成理由逐字不变的情况下改变物理动作。在 Alpamayo 和 InstructVLA 模型上,基于文本中性残差子空间(TNAS)的干预比传统方法更高效地诱导动作变化且大幅降低文本漂移。

推荐理由

论文揭示视觉扰动可独立于文本理由改变动作,提出 TNAS 诊断方法证明仅凭文本无法认证安全,需直接验证动作通道。

来源:arXiv · 机器人与计算机视觉 · arxiv.org