PerturBot 用扰动训练打破 VLA 捷径依赖

2026 年 10 月 6 日，AGI Hunt 报道，佐治亚理工团队提出 PerturBot，针对视觉-语言-动作（VLA）策略中的「模态捷径」问题——即模型可能不依赖任务证据、而是走捷径完成动作。该工作用三种方式让捷径失效：在腕部视角施加不改变任务的扰动、用决策相关字幕增强指令、混入随机与失败轨迹段并对其行为重新标注。报道称，PerturBot 的推理流程保持不变，可与规模化训练互补。团队同时提出离线诊断指标 GroundingFscore，用于衡量策略对捷径的依赖程度，并据此判断策略扩展是否真正依赖任务证据。目前该报道未披露更多实验细节或后续进展。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。