AFP 模块缓解机器人基础模型捷径学习

Xiatao Sun 等提出 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，论文被 CoRL 2026 接收。AFP 是一个轻量、与策略无关的模块，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（覆盖相关物体、机器人等动作关键区域）作为微调期的辅助对齐信号，推理时控制回路不调用 AFP。 论文称，在仿真中对四个机器人基础模型、以及真机上对 π0.5 的实验中，AFP 改善了环境扰动下的泛化能力、减少过拟合并缩短微调时间。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。