arXiv Computer Vision· Sangwu Park, Wonjoong Kim, Yeonjun In, Chanyoung Park·· 2 小时前AI 评分29
VLA 模型真能听懂指令吗？诊断 How 级指令跟随能力
Do VLAs Really Follow Instructions? Diagnosing How-Level Instruction Following in Vision-Language-Action Models
AI 导读
研究发现，How 级指令（指定如何执行任务）对当前 VLA 模型没有帮助，反而降低任务成功率。作者假设每个训练片段只配一条指令限制了 How 级指令跟随，改用片段级丰富指令训练后动作能响应这类指令，但任务成功率并未持续提升。为此提出 SIMPLER-IN 基准，要求仅凭指令给出的条件判定成功，结果显示这种响应性无法扩展到高难度或分布外的 How 级指令。
来源：arXiv Computer Vision · arxiv.org