Carlota Parés Morlans

新的FACT方法改进了接触密集型任务中的视觉语言动作模型

研究人员确定了视觉语言动作（VLA）模型在执行接触密集型操作任务时两种主要的失败模式：精度失败，模型在精细纠正动作方面遇到困难；以及力失败，模型对接触力响应不足。为解决这些问题，开发了一种名为FACT的新方法。FACT通过增加低噪声采样以实现更好的动作预测，并整合基于接触状态和力历史的结构化力条件，来增强训练后性能。在涉及近2500次回滚和五个任务的实际评估中，FACT实现了66%的成功率，显著优于之前最好的基线（仅41%）。