跳到正文
arXiv · 机器人与计算机视觉· Jasper Gerigk, Kenzo Aspuru-Takata, Chin-Hsuan Wu, Mohammad Mohammadi, Shuhong Zheng, Igor Gilitschenski·· 2026-10-09精选AI 评分85

当聆听变得更容易:为免捷径的视觉语言动作模型去除视觉线索

When Listening Becomes Easier: Scrubbing Visual Cues for Shortcut-Free VLAs

AI 导读

针对机器人学习中利用视点或背景等无关特征进行捷径学习的普遍问题,本文提出任务清洗方法。该方法基于域对抗训练,无需策略 rollout 即可通过动作边距指标评估不同视觉语言模型骨干对视觉捷径的易感性,并有效降低其对视觉捷径的依赖以提升分布外鲁棒性。

推荐理由

提出任务清洗方法,通过域对抗训练降低 VLA 对视觉捷径的依赖并提升泛化能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org