论文用语义锚定缓解 VLA 微调中的动作表征退化。
资讯摘要
论文关注视觉-语言-动作（VLA）模型在少量机器人示范上微调后语义结构退化、泛化受损的问题，提出“什么是好的动作表征”这一疑问。作者通过系统探测确认该结构在微调中会侵蚀，且其质量与任务成功率和分布外泛化同步。论文提出一种即插即用方法，将动作表征锚定到语义流形，并分解为共享语义通道与私有通道，推理时全部丢弃、部署模型不变。作者报告在多种 VLA 骨干、仿真与真实基准上，真实分布内任务最高提升 18.7%，分布外泛化最高提升 21.5%。
要点速读
- 论文指出 VLA 模型微调会侵蚀预训练视觉-语言模型带来的语义结构，并影响任务成功与分布外泛化。
- 提出即插即用的语义锚定方法，将动作表征分解为共享语义通道与私有通道，推理时丢弃、不改变部署模型。
- 作者报告在多种 VLA 骨干和仿真、真实基准上，真实分布内任务最高提升 18.7%，分布外泛化最高提升 21.5%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。