LIT 两阶段训练破解机器人视觉-动作捷径

NUS Magic Lab 等团队提出 Latent Interface Training（LIT）：标准 VLA 和世界动作模型直接在视觉表征上训练动作专家，但训练数据中背景、相机角度、光照常与示范动作相关，导致模型学到视觉捷径，在新场景失效。LIT 采用两阶段策略，先学动作再学用视觉，破解该捷径后真机成功率提升 13 至 17 个百分点，显著改善训练分布之外的泛化能力。

2026-09-11 ~ 2026-09-11 · 4 条相关

• LIT 方法破解 VLA 视觉-动作捷径，提升机器人泛化 — DJiafei · 2026-09-11
• 先学动作再学视觉:LIT 两阶段训练让 VLA 泛化成功率大幅提升 — DJiafei · 2026-09-11
• LIT 破解视觉捷径：真机成功率提升 13-17 个百分点 — DJiafei · 2026-09-11

另有 1 条近重复转述:DJiafei