证据引导反事实学习改善长尾机器人策略

Weiwei Chen 等提出 Evidence-Guided Counterfactual Learning 训练框架，用于缓解共享机器人策略中的头部任务动作偏差。研究发现，当尾部任务所需视觉证据不足时，策略会更多依赖数据丰富的头部任务强化的动作模式，导致欠代表任务性能下降。 该框架不需要额外训练数据或区域级标注，部署时不增加额外计算。论文称，在模拟基准、不同 VLA 架构和真实机器人平台上的实验显示，该方法能稳定提升长尾策略学习，尤其改善尾部任务，同时保持头部任务的性能。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。