提出VLA任务语义动作校准框架BAS-VLA

Shuaijun Liu 等人提出构建在冻结基础VLA之上的任务语义动作校准框架BAS-VLA，用于应对两类失败：任务语义不变但外观变化时策略产生不必要的动作漂移，以及目标物体或约束等关键语义被改变时策略仍沿用原轨迹。 在四个目标物体替换任务上，BAS-VLA 将语义变化任务的成功率从 2.3% 提升到 68.5%，同时保持干净与语义保持场景的性能；在经验证的风格保持偏移上，成功率从 42% 提升到 70%，且不降低干净性能。BAS-VLA 默认采用以语义破坏为中心的校准核心，辅以选择性证据门控的语义保持辅助路径，在任务保持证据充分时纠正外观引起的漂移。

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。