PerturBot: Breaking Shortcut Priors in Vision-Language-Action Models with Perturbative Training

Đoạn trích bài viết

Một chính sách tầm nhìn - ngôn ngữ - hành động (VLA) có thể hoàn thành các nhiệm vụ phức tạp trong khi bỏ qua các bằng chứng có thể xác định hành động của nó. Một vật được giữ gần máy ảnh cổ tay có thể di chuyển mục tiêu được hướng dẫn.