给 VLA 机器人加相机可靠性评分，主模型冻结不需微调

paraschopra · x · 2026-10-27

paraschopra 的 residency 学员 Aryaman 研究 VLA（视觉-语言-动作）机器人模型在相机条件变化下的鲁棒性。初步实验：双机械臂全局相机 + 腕部相机的机械臂，只要给其中任一相机加噪声，任务成功率就显著下降。方案：加一个轻量的相机质量估计器，为每个相机的可靠性打分，并把分数作为注意力偏置，让模型偏向更可靠的视觉输入。预训练 VLA 保持冻结，只用任务损失和小数据集训练这个估计器，避免大规模微调。他还在同期做另一个项目：用 AI 设计脂质纳米颗粒递送 RNA 药物到实体肿瘤。