arXiv cs.RO· Tuan Duong Trinh, Basim Azam, Mohammed Ishaq Ansari, Mohammed Yaqoob Ansari, Naveed Akhtar·· 3 天前
推理链可作为 VLA 策略的控制面板：DeepThinkVLA 在 LIBERO-Goal 上的反事实干预研究
Altered Thoughts, Altered Actions: Reasoning Chain as Control Surface for a Vision-Language-Action Policy
AI 导读
研究以确定性实体替换对 VLA 策略的指令与推理链做双向干预，发现推理链被污染时损失集中在语言单独决定目标的 LIBERO-Goal 上。用 DeepThinkVLA 做反事实干预，将污染指令下的推理链替换为干净指令生成的版本，恢复了 47.8 pp 的成功率，但比干净运行仍低 38.0 pp。
来源：arXiv cs.RO · arxiv.org