PerturBot 用扰动训练打破视觉-语言-动作模型的捷径依赖
Mingyu Liu · hf · 2026-10-06
佐治亚理工团队指出 VLA 策略普遍存在「模态捷径」：模型会忽略决定动作的关键证据，依赖演示数据中的表面规律行事——例如物体靠近腕部相机改变了目标位置模型却无视、动词改变后仍触发旧搭配动作、夹爪什么都没抓到照样执行抬起。
PerturBot 通过三种手段让捷径失效：在腕部视角施加不改变任务的扰动、用决策相关字幕增强指令、混入随机与失败轨迹段并重新标注其行为。推理流程不变，可与规模化训练互补。
团队还提出 GroundingFscore，一种离线诊断指标，衡量策略对捷径的依赖程度：成功率只说明任务表现，GroundingFscore 揭示策略扩展是否健康、是否真正依赖任务证据。
「具身」频道最新
- AI 全自主无人机:点击 Start 后完全脱离人工控制 — AryHHAry · 2026-10-06
- 日本 65% 老人愿多付 8% 选机器人养老院,对话陪伴也胜人类 — HealthcareLdr · 2026-10-06
- 天津大学发布 3 克头皮隐形脑机接口，可连续工作 8-10 小时 — Dr_Singularity · 2026-10-06
- FlashDexRetarget:单个 RL 策略重定向人手演示,算力省约 100 倍 — KyleMorgenstein · 2026-10-06
- Frankenduck 机器人全身参数化 CAD,Python 即可编辑每个零件 — TinfoilTricorn · 2026-10-06
- 具身智能圈预告「触觉传感季」将至，PaXini 触觉足底开卖 — LexiLove · 2026-10-06