VLA-Tug：VLA模型运行时故障预测探针

2026年11月6日，arXiv Robotics 刊出 Michal P. Podolinsky 等作者的论文，提出 VLA-Tug——一种作用于视觉-语言-动作（VLA）主干网络潜在层的轻量探针，用于在运行时预测并分类模型失败。据该报道，VLA-Tug 以极低推理开销提升早期失败检测，并对漏检率与误报率给出约束；在相同误报率下，对轨迹失败前片段进行监督，可将早期失败检测提升最高 30%。报道还称，迁移到未见任务时，漏检与误报边界在最高 86% 的运行中仍然有效，而基线最多为 21%。作者同时发布了含 3180 条标注的数据集。上述数字与结论均出自该论文报道本身，尚待独立验证；事件目前处于论文发布阶段，后续进展有待跟进报道。

AI 根据报道生成 · 2 天前更新