vision-language-action modelsFortgeschritten
Folgen VLA-Modelle wirklich Anweisungen? Eine Diagnose der Wie-Anweisungen bei Vision-Language-Action-Modellen
Ein Preprint des KAIST zeigt, dass heutige Roboter-KI-Modelle Anweisungen zur Ausführung, etwa an welcher Stelle ein Objekt zu greifen ist, ignorieren und dass solche Hinweise die Erfolgsquote sogar senken. Nach einer Neubeschriftung der Trainingsdaten mit schrittweisen Bewegungsbeschreibungen reagierten die Roboter in 84 Prozent der Fälle auf Korrekturen, erfolgreicher wurden sie dadurch aber nicht zuverlässig.