VLA接触任务失败分析与FACT方法提出
热点事件持续更新
VLA接触任务失败分析与FACT方法提出
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月19日arXiv Robotics报道,Carlota Parés-Morlans等作者研究视觉-语言-动作(VLA)模型在接触密集型操作中的失败原因,识别出两类失败模式:精度失败,即难以产生接触所需的微小精确修正动作;力失败,即无法响应接触力。为此提出FACT后训练方法,通过增加低噪声采样改善精细动作预测,并引入结构化力条件引导动作生成。在五项接触密集型任务、近2500次真实世界rollout中,FACT平均成功率达66%,最佳先前基线为41%。目前进展为方法提出与实验评估,尚无后续跟进报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月19日 12:00
研究揭示 VLA 模型在接触密集型任务中为何失败,并提出 FACT 修复方案报道时间线
沿着报道,了解事件的不同侧面。
10月19日
- arXiv Robotics研究揭示 VLA 模型在接触密集型任务中为何失败,并提出 FACT 修复方案
研究识别出 Vision-Language-Action 模型在接触密集型操作中的两类失败模式:精度失败(难以产生接触所需的微小精确修正动作)和力失败(无法响应接触力)。为此提出的 FACT 在后训练中增加低噪声采样以改善精细动作预测,并引入结构化力条件引导动作生成。在五项接触密集型任务、近 2500 次真实世界 rollout 中,FACT 平均成功率达 66%,最佳先前基线为 41%。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。