De nouveaux articles ciblent les failles de fiabilité des robots VLA

Une série de nouveaux articles publiés sur arXiv s’attaque aux problèmes de fiabilité des modèles vision-langage-action appliqués à la manipulation robotique. Ces travaux couvrent notamment RESample, qui enrichit les démonstrations avec des données de récupération après échec, une architecture explicite de mémoire linguistique pour la planification à long horizon, VLAFlow, qui compare des objectifs d’entraînement sur des données robotiques hétérogènes, Bernoulli-Continuation Policy pour la replanification adaptative, et SARF, conçu pour se défendre contre les patchs adversariaux physiques.