事件锚定的VLA稀疏自编码器可解释性方法

Xinchen Jin 等人在一项 NeurIPS 2026 研究中提出面向视觉-语言-动作（VLA）策略的可解释性流程，把稀疏自编码器（SAE）特征分析锚定到机器人的闭环行为事件而非文本上下文：先从末端执行器轨迹提取关键帧并做事件聚类，再据此排序 SAE 特征。 在 OpenVLA 的两个仿真架构和真机实验中，按事件锚定排序的干预产生最强的因果效应，且该方法可迁移到 π₀.₅ 的连续动作块。 研究同时指出 SAE 是稀疏但不完美的干预基底，其可用性随架构与干预位置而变化，激进干预会暴露安全与可解释性上的限制。

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。