FiberTune：VLA微调中保留视觉残差的新方法

Haihao Lin 等发布 arXiv 论文，提出 FiberTune——一种视觉语言动作（VLA）策略微调的训练目标，在微调中保留教师结构化的视觉残差，不增加推理时开销。方法用在线动作探针从中间视觉 token 表示中过滤可预测动作的方向，并将问题形式化为沿局部动作纤维的残差视觉塌缩。 作者报告：在 π0.5 和 OpenVLA-OFT 两种架构、两个基准的六个仿真设置及实体 SO-101 取放任务中，FiberTune 均优于仅用任务损失的微调，代表性结果包括 CALVIN 长时序 ABC→D 任务 SR(5) 提升 10.7 个百分点、SO-101 任务成功率从 72.7% 升至 78.1%。以上为论文声称的结果，尚无独立复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。