SOUL：用稀疏特征策略遗忘缓解 VLA 模型的状态幻觉
Sparse Feature Policy Unlearning Mitigates State Hallucination in Vision-Language-Action Models
AI 导读
研究针对 Vision-Language-Action（VLA）模型中的状态幻觉问题提出 SOUL（Sparse feature pOlicy UnLearning）方法，即模型持续按尚未实现的机器人-物体状态行动这一反复出现的失败模式。分析发现状态幻觉伴随对任务相关视觉区域注意力减弱，稀疏自编码器的机制解释显示幻觉相关稀疏特征在这些失败发生时被激活。SOUL 以幻觉失败中识别出的稀疏特征作为遗忘目标、以成功行为中的稀疏特征作为保留目标，选择性遗忘与状态幻觉相关的策略知识。在多种 VLA 架构的仿真与真实环境实验中，该方法显著减少幻觉失败并提升任务成功率，同时未明显损害已有操作能力。