IXThinker·2026-05-14 20:00

LangForce破解VLA忽視語言指令問題

視覺語言動作（VLA）模型常陷入「視覺捷徑」，忽視語言指令僅憑畫面行動，導致新場景泛化能力差。有研究提出LangForce方法，以對數似然比損失顯式強化語言依賴，提升分布外環境的魯棒性。

指令被無視

VLA模型結合視覺理解、語言處理與動作生成，令機械人能遵循人類指令。但訓練中模型常形成視覺捷徑，忽略語言指示而只依賴畫面線索，在陌生環境下極易出錯。