arXiv cs.RO 机器人学· Shihan Zhao, Henry Chen, Ya-Chuan Hsu, Minjune Hwang, Siddharth Srikanth, Freddie Liang, Akanksha Saran, Aaquib Tabrez, Stefanos Nikolaidis, Daniel Seita·· 5 小时前精选AI 评分55
Q-DEG：用质量多样性环境生成对 VLA 做红队测试
Red-Teaming of Vision-Language-Action Models via Quality Diversity Environment Generation
AI 导读
论文提出 Q-DEG 方法，用 Quality Diversity 优化生成高失败率且多样的对抗环境，并让 VLA 在自身成功轨迹上做自模仿微调以提升鲁棒性。在三个代表性 VLA 模型上的仿真结果显示，Q-DEG 在分布外对抗环境中相比原始 VLA 和两种红队基线微调的 VLA 更鲁棒，并有助于 sim-to-real 迁移。
推荐理由
论文指出 VLA 在物体位置、光照等微小分布偏移下易失效，并给出用对抗环境自模仿微调的改进路径。
来源：arXiv cs.RO 机器人学 · arxiv.org