论文提出人工中央凹感知 AFP 缓解机器人基础模型中的捷径学习
[Daily Paper] Artificial Foveated Perception for Mitigating Shortcut Learning in Robotic Foundation Models
AI 导读
Sun 等人的论文提出人工中央凹感知（AFP），一种策略无关的轻量模块，用于在微调阶段约束机器人基础模型的视觉注意力，抑制捷径学习。作者认为现有 Vision-Language-Action（VLA）与 World Action Model（WAM）流程在新机器人场景中仍需任务特定微调，模型倾向依赖光照、背景纹理等非因果相关特征，在分布偏移下失效。