arXiv · 工业智能研究摘要· Sangwu Park·· 1 天前
VLA 真的能遵循指令吗？研究诊断视觉-语言-动作模型的 How 级指令遵循
Do VLAs Really Follow Instructions? Diagnosing How-Level Instruction Following in Vision-Language-Action Models
AI 导读
预印本摘要称，研究发现当前视觉-语言-动作（VLA）模型在接受指定执行方式的 How 级指令时不仅没有获益，反而会降低任务成功率。作者提出通过分段丰富指令训练可让动作产生响应但未稳定提升成功率，并构建评测基准 SIMPLER-IN 证明该响应能力仍无法泛化至分布外指令。
来源：arXiv · 工业智能研究摘要 · arxiv.org