跳到正文
热点事件持续更新

RefCloth 框架提升视觉语言动作模型鲁棒性

1 篇报道1 个报道来源14 小时前更新

先了解这件事

AI 综述

2026 年 11 月,arXiv 发布 RefCloth 框架,旨在通过生成对抗性桌布增强视觉语言动作模型的鲁棒性。该方案在冻结源策略下优化单一持久对抗桌布,实现了零样本跨任务与模型迁移。测试显示,在四个 LIBERO 仿真套件中,应用该框架后,OpenVLA-OFT、π0 及 π0.5 等模型的成功率相对未优化桌布平均降低了 62.50 和 43.75 个百分点。 注:报道中的成功率降低数据表明,对抗性桌布在此处被用作评估模型鲁棒性的基准或干扰源,而非直接提升任务完成率。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    RefCloth:一种可迁移的对抗性桌布框架,用于提升视觉语言动作模型的鲁棒性

    RefCloth 框架在冻结源策略下优化单一持久对抗桌布,实现零样本跨任务与模型迁移。该方案在四个 LIBERO 仿真套件中,使 OpenVLA-OFT、π0 及 π0.5 的成功率相对未优化桌布平均降低 62.50 和 43.75 个百分点(注。

本事件热度走势

可比范围当前
7
可比范围峰值
911月18日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。