研究人员开发了一种新的视觉-语言-动作(VLA)模型故障归因方法,该模型对视觉腐败敏感。该方法无需昂贵的配对策略部署即可估算移除特定腐败的好处。该方法使用因子化风险模型来学习场景和腐败的独立表示,从而能够从当前图像和任务指令中进行潜在干预。在模拟环境中的OpenVLA和pi_{0.5},以及在Franka机器人上的pi_{0.5}-DROID上的评估表明,与整体和VLM基线相比,该方法表现更优,归因误差显著降低。 AI
影响 该方法有望提高VLA模型在实际机器人应用中的可靠性和调试能力。
排序理由 该集群包含一篇学术论文,详细介绍了VLA模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →