提出可无害化引导冻结VLA的语言反馈策略

Hyun Joe Jeong、Gokul Swamy、Andrea Bajcsy 提出一个框架，通过交互式搜索能提升闭环 VLA 任务表现的语言序列，将其蒸馏为测试时语言反馈策略（LFP），并训练一个改进头预测语言引导何时有效，再对改进头做保形校准以防止有害干预。该方法适用于任意冻结的预训练 VLA，不需要访问原始训练分布，也不微调底层模型。 论文称，在已见环境中，经保形校准的 LFP 使基础 VLA 性能提升 24.7%（仿真）和 65.0%（硬件）；在有校准样本的视觉与语义扰动下，其具有强无害性保证，并产生开环提示中未见的恢复行为。作者同时指出，在分布外场景中 LFP 相对原始指令会降低任务性能，这正是引入保形校准的原因。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。