arXiv cs.AI· Carlota Par\'es-Morlans, Nils Kuhn, Y. Isabel Liu, Alberta Longhini, Jeannette Bohg·· 11 小时前AI 评分38
研究揭示 VLA 模型为何在接触密集型任务中失败，并提出 FACT 修复方案
Demystifying When and Why VLAs Fail in Contact-Rich Tasks and How to Fix Them
AI 导读
研究识别出 Vision-Language-Action 模型在接触密集型操作中的两种失败模式：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 FACT，在后训练阶段提高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%。
正文 · AI 翻译
摘要：我们研究视觉-语言-动作模型在需要精确物理交互的接触密集型操作任务中何时以及为何会失败这一问题。此前的工作主要通过力增强架构和训练时正则化器来解决接触失败问题，但导致这些失败的因素仍未得到充分探索。我们识别出造成这一差距的两种不同的失败模式。精度失败发生在策略难以产生接触过程中所需的小幅、准确的纠正动作时；力失败发生在策略无法对接触力做出响应时。为解决这些失败，我们提出 FACT。在后训练阶段，FACT 增加低噪声采样以改进精细动作预测，并引入结构化力条件，利用接触状态和力历史来引导动作生成。在涵盖近 2,500 次真实世界 rollout 的评估中，FACT 在五项接触密集型任务上平均成功率达到 66%，而最佳先前基线为 41%。
| 评论： | 17 页，CoRL 2026 Spotlight |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2608.01402 [cs.RO] |
| （或使用 arXiv:2608.01402v2 [cs.RO] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2608.01402 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Carlota Parés Morlans [查看邮箱]
[v1]
2026 年 8 月 2 日周日 17:34:19 UTC（5,032 KB）
[v2]
2026 年 10 月 16 日周五 06:10:02 UTC（39,339 KB）
来源：arXiv cs.AI · arxiv.org