arXiv cs.RO 机器人学· Xiatao Sun, Yuan Zhuang, Mateo Sanchez Lopez Negrete, Matei-Victor Coldea, Chen Liang, Haoyang Zhang, Che Liu, Ziyao Zeng, Shawn Li, Qian Wang, Fei Miao, Daniel Rakita·· 5 小时前精选AI 评分57
CoRL 2026 论文提出 AFP 人工凹陷感知缓解机器人基础模型捷径学习
Artificial Foveated Perception for Mitigating Shortcut Learning in Robotic Foundation Models
AI 导读
论文提出 Artificial Foveated Perception（AFP）模块，用于缓解机器人基础模型微调中的捷径学习问题。AFP 与现有 Vision-Language-Action 和 World Action Model 流程共享视觉与语言输入，预测任务相关掩码作为微调期的辅助对齐信号，推理时控制回路不调用 AFP。
推荐理由
论文把机器人基础模型的脆弱性归因于捷径学习，并给出不改动策略架构的辅助掩码方案，便于评估其迁移价值。
来源：arXiv cs.RO 机器人学 · arxiv.org