跳到正文
热点事件持续更新

DLS以失败边界学习提升VLA鲁棒性

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Yanzhe Chen 等研究者在 arXiv 提出 DLS 方法，将鲁棒视觉-语言-动作（VLA）模型的适配视为失败边界学习问题：用少量真实演示与仿真协同训练构建真实落地的行为先验，再通过 on-policy 数字孪生 rollout 大规模发现失败边界。 论文称，在真实机器人操作任务上，DLS 相比 SFT 与在线 RL 基线提升了鲁棒性，尤其在随机初始状态和未见过的视觉条件下。

AI 根据报道生成 · 7 小时前更新

最新进展10月8日 12:00
DLS：面向鲁棒VLA模型的失败边界学习方法

报道时间线

沿着报道，了解事件的不同侧面。

10月8日
  1. arXiv cs.RO 机器人学
    DLS：面向鲁棒VLA模型的失败边界学习方法

    论文提出将鲁棒VLA适配视为失败边界学习问题，并给出方法DLS：基于少量真实演示与仿真协同训练构建真实落地的行为先验，通过on-policy数字孪生rollout大规模发现失败边界。

本事件热度走势

可比范围当前
8
可比范围峰值
1010月8日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。