上交团队:VLA 技能重组难在「起始状态鸿沟」
AutoLab-SJTU · hf · 2026-10-15
上海交大团队研究具身操作中 VLA 模型的组合泛化极限:全指令训练在已见组合上有 40.0% 有序成功率,但在重组新组合上仅 7.7%——说明模型只是记住了序列模板,而非真正的技能重组。
主要贡献:
- 提出 HSE(分层子任务执行) 诊断框架,把长程失败分解到 planner/trigger/policy 三个模块
- 发布 RoboCombine 基准,度量无组合训练轨迹下的技能重组能力;发现失败集中在子任务交接处——下游任务从上游交付状态而非标准起始状态启动,称之为起始状态鸿沟(start state gap)
- 提出 PRTI 轻量原子任务后训练策略,拓宽起始状态覆盖:在 RoboCombine 上从随机扰动的 4.21% 提升到 18.16% 有序成功率
结论:组合泛化需要对接手状态鲁棒的原子技能,而不只是把任务分解成已知子任务。
「具身」频道最新
- RoboParty 发布 RP1:全栈开源人形机器人平台 — GuanyaShi · 2026-10-15
- SNU 发布 HumanoidToolBench:18 任务评测人形机器人工具使用,真实 G1 数据 3.1k — snupilab · 2026-10-15
- NYU 提出时序流策略 TFP:让机器人记忆按物理时间演化,真实任务时序成功率更高 — newyorkuniversity · 2026-10-15
- G³VLA 向视觉-语言-动作模型注入多相机几何,提升机器人操作 — Yue Peng · 2026-10-15
- 港中文等发布 Agentic Robots 综述:模型/数据/环境/框架四大域 17 类全景 — Chonghan Qin · 2026-10-15
- 腾讯 ARC 发布 Player-1:用合成经验学游戏操控,MineDojo 成功率提至 38% — TencentARC · 2026-10-15