EVENT DOSSIER
针对视觉模仿策略在接触视觉相似物体或容器时失效的问题，研究者利用动作分块与 Transformer（ACT）系统引入控制颜色与形状相似度的干扰物，将失败模式精准定位至抓取和放置阶段。研究发现干扰敏感度特定于视觉相似类型及操作阶段。为此，团队评估了干扰增强、阶段依赖注意力正则化及基于外观的视觉提示等互补干预措施，这些方法在仿真环境和物理 UR3e 机器人上均显著提升了策略鲁棒性。此外，研究还验证了该失效模式同样存在于预训练视觉 - 语言 - 动作策略的状态条件器械处理任务中（如医疗仪器操作）。结果表明，即使底层操作技能完好，视觉干扰物仍会导致对象或目的地选择错误；而通过显式改进目标选择，可显著恢复不同视觉运动策略学习范式下的性能。
研究团队针对 Visuomotor 模仿策略在视觉相似物体干扰下失效的问题，利用 Action Chunking with Transformers (ACT) 系统引入控制颜色与形状相似度的干扰物，将失败定位至抓取与放置阶段。研究发现干…
针对视觉模仿策略在视觉上相似物体或容器引入时失效的问题，研究者利用动作分块与 Transformer（ACT）系统性地引入了具有控制颜色形状相似度的干扰物，并将失败定位至抓取和放置阶段。研究证实干扰物敏感性特定于视觉相似类型及操作阶段，并…
研究团队针对 Visuomotor 模仿策略在视觉相似物体干扰下失效的问题，利用 Action Chunking with Transformers (ACT) 系统引入控制颜色与形状相似度的干扰物，将失败定位至抓取与放置阶段。研究发现干扰敏感度特定于视觉相似类型及操作阶段。据此，团队评估了干扰增强、分阶段注意力正则化及基于外观的视觉提示作为互补干预措施，这些方法在仿真和物理 UR3e 机器人上显著提升了鲁棒性。此外，研究还考察了预训练视觉 - 语言 - 动作策略在状态条件器械操作任务中的同类失效模式。结果表明，即使底层操作技能完好，视觉干扰也会导致对象或目的地选择错误，而显式改进目标选择可大幅恢复不同 Visuomotor 策略学习范式下的性能。
针对视觉模仿策略在视觉上相似物体或容器引入时失效的问题，研究者利用动作分块与 Transformer（ACT）系统性地引入了具有控制颜色形状相似度的干扰物，并将失败定位至抓取和放置阶段。研究证实干扰物敏感性特定于视觉相似类型及操作阶段，并评估了干扰增强、阶段依赖注意力正则化及基于外观的视觉提示作为互补干预措施。这些干预在仿真和物理 UR3e 机器人上显著提升了鲁棒性。此外，该失败模式在预训练视觉 - 语言 - 动作策略的状态条件器械处理任务中同样存在，其中医疗仪器的观察状态决定了正确目的地。结果表明，即使底层操作技能完好，视觉干扰物也会导致对象或目的地选择错误，而显式改进目标选择能显著恢复不同视觉运动策略学习范式下的性能。