Vision transformers in domain adaptation and domain generalization: a study of robustness
University of Victoria(维多利亚大学)
本文综述了视觉Transformer在域适应和域泛化场景中的部署,将其分为特征级、实例级等适应方法及多域学习等泛化策略,并提供了综合分类表格,突显其在处理分布偏移中的鲁棒性与多功能性。
2024-10-15 cs.AI cs.CV
ScalableViT: Rethinking the Context-oriented Generalization of Vision Transformer
Tsinghua Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院,清华大学);ByteDance Inc.(字节跳动公司)
香草自我注意力机制内在地依赖于预定义的和稳定的计算维度。这种不灵活性限制了它具有面向上下文的概括能力,而这种概括能力可以带来更多的上下文线索和全局表示。为了缓解这个问题,我们提出了一个可扩展的自我注意力(SSA)机制,利用两个缩放因子来释放查询,键和值矩阵的维度,同时将它们与输入解除绑定。这种可扩展性获得了面向上下文的泛化能力,并增强了对象敏感性,从而使整个网络在准确性和成本之间处于更有效的权衡状态。此外,我们提出了一个交互式的基于窗口的自我注意力(IWSA),它建立了非重叠区域之间的相互作用,重新合并独立的价值令牌和聚合空间信息从相邻的窗口。通过交替堆叠SSA和IWSA,可扩展视觉Transformer(ScalableViT)在通用视觉任务中实现了最先进的性能。例如,ScalableViT-S在ImageNet-1 K分类上比Twins-SVT-S高1.4%,比Swin-T高1.8%。
2022-07-17 cs.AI cs.CV
MAPS: Preserving Vision-Language Representations via Module-Wise Proximity Scheduling for Better Vision-Language-Action Generalization
Georgia Institute of Technology(佐治亚理工学院)
MAPS通过模块级接近调度优化VLA微调,提升视觉-语言-动作任务的泛化能力。
2025-11-25 cs.AI cs.CL cs.CV
On Locality and Length Generalization in Visual Reasoning
Qualcomm AI Research(高通人工智能研究中心)
研究从视觉状态跟踪和长度泛化角度,探讨局部、顺序视觉模型是否有计算优势。受语言模型启发,研究简单视觉任务中视觉模型行为。发现其会利用全局捷径,基于严格局部感知的策略可缓解此问题,表明局部注意力对稳健组合泛化很关键。
2026-07-13 cs.AI cs.CV cs.LG
Enhancing Generalization in Vision-Language-Action Models by Preserving Pretrained Representations
UC San Diego(圣迭戈大学);Hillbot
本文提出一个VLA框架,通过双编码器设计、基于字符串的动作分词器和共同训练策略保留预训练特征,有效提升了机器人在视觉扰动、新颖指令和环境下的泛化能力与任务成功率。
2025-09-17 cs.AI cs.CV cs.LG
HELPER-X: A Unified Instructable Embodied Agent to Tackle Four Interactive Vision-Language Domains with Memory-Augmented Language Models
Carnegie Mellon University(卡内基梅隆大学)
HELPER-X通过扩充记忆库和集成提问API,将单一记忆增强LLM智能体统一应用于对话执行、指令遵循、主动提问和房间整理四个视觉-语言任务,在多个基准上以少样本取得最先进性能,无需领域内训练。
2024-04-29 cs.AI cs.CL cs.CV
What Helps---and What Hurts: Bidirectional Explanations for Vision Transformers
Department of Electrical and Computer Engineering(电气与计算机工程系)
BiCAM通过双向类激活映射方法,提升视觉变换器的可解释性,通过保留正负属性并引入PNR比值,增强模型解释的完整性和对比性。
2026-03-02 cs.AI cs.CV cs.LG
Overcoming the Pitfalls of Vision-Language Model Finetuning for OOD Generalization
Nanyang Technological University(南洋理工大学);Apple Inc.(苹果公司)
本文针对视觉-语言模型微调易过拟合已知类、削弱OOD泛化的问题,提出OGEN,通过类别条件特征生成与自适应自蒸馏正则化决策边界,显著提升未知类泛化性能。
2024-04-16 cs.AI cs.CV
Self-Predictive Dynamics for Generalization of Vision-based Reinforcement Learning
Sungkyunkwan University(顺天乡大学)
本文提出自预测动力学(SPD)方法,通过并行弱增强与强增强并预测双向转移来学习任务相关表征,从而提升视觉强化学习在未见观测下的泛化能力,并在 MuJoCo 和 CARLA 任务中验证其优越性。
2025-06-05 cs.AI cs.CV cs.LG
Investigating Pre-Training Objectives for Generalization in Vision-Based Reinforcement Learning
KAIST(韩国科学技术院)
本文提出Atari-PB基准,在50款Atari游戏上预训练ResNet-50,发现学习任务无关特征的预训练目标比任务特定目标更能提升跨环境泛化能力。
2024-06-10 cs.AI cs.CV cs.LG
Robust Fine-Tuning of Vision-Language Models for Domain Generalization
MIT Lincoln Laboratory(麻省理工学院林肯实验室)
针对现有基础模型零样本评估场景简单、少样本微调缺乏对比的问题,提出CLIP的少样本微调方案,在WILDS基准上验证其在各数据量下分布内外准确率均优于纯视觉模型,为真实少样本场景应用基础模型提供依据。
2023-11-03 cs.AI cs.CL cs.CV
Linking Robustness and Generalization: A k* Distribution Analysis of Concept Clustering in Latent Space for Vision Models
Kyushu University(九州大学);IBM Research(IBM研究院)
该研究提出用k*分布直接分析视觉模型潜在空间的概念聚类情况,发现泛化性、鲁棒性提升与概念分布拆分程度降低正相关,为视觉模型潜在空间的解读与对比提供了新方法。
2024-08-17 cs.AI cs.CV cs.LG
Zero-Shot Generalization of Vision-Based RL Without Data Augmentation
Department of Computer Science, University of Southern California, Los Angeles, USA(计算机科学系,南加州大学,洛杉矶,美国)
受计算神经科学启发,提出联想潜在解耦(ALDA)模型,通过结合潜在解耦与联想记忆,在无需数据增强的情况下实现了基于视觉的强化学习智能体的零样本泛化。
2025-08-11 cs.AI cs.CV cs.LG
Transferable Model-agnostic Vision-Language Model Adaptation for Efficient Weak-to-Strong Generalization
TransMiter是一种轻量级适配器,通过无监督方式提升视觉-语言模型的泛化能力,实现高效的知识迁移。
2026-01-17 cs.AI cs.CV cs.LG
Cross-Modal Taxonomic Generalization in (Vision-) Language Models
Toyota Technological Institute at Chicago(芝加哥丰田技术研究所);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
研究探讨了语言模型在无显性证据情况下通过跨模态泛化恢复超范畴知识的能力,发现语言模型能基于语言线索实现泛化。
2026-04-22 cs.AI cs.CL
Helpful DoggyBot: Open-World Object Fetching using Legged Robots and Vision-Language Models
Stanford University(斯坦福大学);UC San Diego(加利福尼亚大学圣迭戈分校)
本文提出一种四足移动操作机器人系统,结合前置夹爪、仿真训练的低层控制器和视觉-语言模型,在未见过的室内环境中零样本完成爬床取物等指令任务,成功率达60%。
2024-09-30 cs.AI cs.CV cs.LG
Prompt-OT: An Optimal Transport Regularization Paradigm for Knowledge Preservation in Vision-Language Model Adaptation
Morgan Stanley(摩根士丹利);Clemson University(克莱姆森大学);Arizona State University(亚利桑那州立大学);Washington University in St. Louis(圣路易斯华盛顿大学);University of Arizona(亚利桑那大学);University of Notre Dame(圣母大学)
Prompt-OT通过最优传输正则化提升视觉-语言模型在知识保留和跨领域适应中的性能
2025-11-29 cs.AI cs.CL cs.CV
Cross-Task Generalization in Handwriting-Based Alzheimer's Screening via Vision Language Adaptation
Telecom SudParis, Institut Polytechnique de Paris(电信 SudParis,巴黎理工学院)
本文提出轻量级跨层融合适配器框架CLFA,将CLIP适配于手写体阿尔茨海默病筛查,并系统研究跨任务泛化,揭示最具判别力的书写任务与笔画模式。
2026-09-25 cs.AI cs.CV
Strong but simple: A Baseline for Domain Generalized Dense Perception by CLIP-based Transfer Learning
Technical University Berlin(柏林工业大学);CARIAD SE;Technical University Munich(慕尼黑工业大学)
针对深度神经网络感知任务的域泛化难题,该研究提出仅对视觉语言预训练模型进行简单微调的方法,在多个密集感知基准上取得SOTA效果,挑战了传统ImageNet迁移学习的标准地位。
2024-12-11 cs.AI cs.CV cs.LG
Domain-Invariant Prompt Learning for Vision-Language Models
本文提出DiCoOp,通过对抗训练方法提升视觉-语言模型在不同领域中的泛化能力,有效解决领域偏移问题。
2026-03-30 cs.AI cs.CV
Vision Language Model Helps Private Information De-Identification in Vision Data
Arizona State University(亚利桑那州立大学);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);North Carolina State University(北卡罗来纳州立大学)
提出VisShield框架,通过专用指令微调数据集OPTIC和训练策略,使视觉语言模型精准定位并掩码敏感文本,有效保护医学图像等视觉数据中的隐私信息。
2026-06-08 cs.AI
Just Shift It: Test-Time Prototype Shifting for Zero-Shot Generalization with Vision-Language Models
Stanford University(斯坦福大学)
针对视觉-语言模型在测试时因域偏移效果下降的问题,提出测试时原型移位框架,通过动态调整类别原型弥合域差距,在15个数据集上取得最优效果且资源消耗更低。
2024-12-10 cs.AI cs.CV cs.LG
Revisiting the Necessity of Lengthy Chain-of-Thought in Vision-centric Reasoning Generalization
Renmin University of China(中国人民大学)
本文研究了不同链式推理设计对视觉推理泛化能力的影响,发现简洁的链式推理在不同迷宫规模中表现最佳,提出'短即长'效应。
2025-11-27 cs.AI cs.CV
LPT: Less-overfitting Prompt Tuning for Vision-Language Model
IEEE(国际电气电子工程师协会)
本文提出LPT框架,通过CLIP过滤细粒度前景信息并引入结构保持和层级logit约束,提升视觉-语言模型的泛化能力并缓解过拟合问题。
2026-05-11 cs.AI cs.CV
RCT: A Robot-Collected Touch-Vision-Language Dataset for Tactile Generalization
ScaDS.AI, TU Dresden(德累斯顿工业大学ScaDS.AI);LASR Lab, TU Dresden(德累斯顿工业大学LASR实验室)
提出RCT数据集,包含机器人按压122种工业材料采集的触觉数据,通过接触序列划分暴露了材料泛化难题,为触觉感知提供基准。
2026-07-01 cs.AI cs.CL cs.CV
Cross-Task Generalization Between Understanding and Generation in Unified Vision-Language Models: A Controlled Study
The Chinese University of Hong Kong(香港中文大学);Microsoft(微软公司)
本文通过对照研究,构建含三类任务的图文基准,发现统一VLMs的理解与生成混合训练的效果依赖视觉空间对齐度,该结论经LLaVA实验验证,为提升跨任务泛化提供了依据。
2026-09-07 cs.AI cs.CV
Vision-and-Language Training Helps Deploy Taxonomic Knowledge but Does Not Fundamentally Alter It
Boston University(波士顿大学);University of Amsterdam(阿姆斯特丹大学);Umeå University(乌梅大学);Vrije Universiteit Amsterdam(阿姆斯特丹自由大学);TTIC(TTIC研究中心);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本研究发现视觉-语言训练虽未从根本上改变语言模型的分类学知识本身,但能改善模型在特定纯文本任务中部署该知识的能力。
2025-10-29 cs.AI cs.CL
EPVT: Environment-aware Prompt Vision Transformer for Domain Generalization in Skin Lesion Recognition
Monash University(莫纳什大学);Inception Institute of AI(Inception人工智能研究院);Alfred Health(阿尔弗雷德医疗中心);The University of Queensland(昆士兰大学)
本文提出EPVT方法,通过在视觉Transformer中嵌入领域提示和共享提示,并引入领域提示生成器与领域混合策略,有效减少图像伪影依赖,显著提升皮肤病变识别在未见环境中的泛化能力。
2023-06-27 cs.AI cs.CV cs.LG
OG-VLA: Orthographic Image Generation for 3D-Aware Vision-Language Action Model
University of Southern California(美国南加州大学);NVIDIA(英伟达)
针对3D感知策略泛化差、VLA对姿态敏感的问题,提出OG-VLA架构,通过反投影点云、规范正交渲染等改进泛化,在Arnold和Colosseum基准上未见过环境泛化相对提升超40%,还具备真实世界适应性。
2025-11-18 cs.AI cs.CV cs.RO
INSIGHT: INference-time Sequence Introspection for Generating Help Triggers in Vision-Language-Action Models
Department of Computer Science, Yale University(耶鲁大学计算机科学系)
提出INSIGHT框架,利用令牌级不确定性信号(熵、对数概率、不确定性估计)训练变压器分类器,预测VLA模型何时需要人类帮助,并对比强/弱监督下的性能,发现建模时间动态优于静态评分。
2026-05-24 cs.AI cs.LG cs.RO
Debate Helps Weak-to-Strong Generalization
Tongyi Lab(通义实验室)
本文结合可扩展监督与弱到强泛化,通过辩论让弱模型从强模型提取可信信息,并用集成弱模型提升监督稳健性,实验证明该方法能改善对齐。
2025-01-21 cs.AI cs.CL
Dropout Prompt Learning: Towards Robust and Adaptive Vision-Language Models
Biao Chen, Lin Zuo, Mengmeng Jing, Kunbin He, Yuchen Wang(作者)
Dropout Prompt Learning通过在视觉-语言模型中应用Dropout技术,提升模型的鲁棒性和适应性,实验表明其在低样本学习、长尾分类和分布外泛化等任务中表现优异。
2025-12-08 cs.AI cs.CV
Generalizing vision-language models to novel domains: A comprehensive survey
University of Electronic Science and Technology of China(电子科技大学);University of Technology Sydney(技术学院);Tongji University(同济大学)
本综述全面总结了视觉语言模型(VLMs)向新领域泛化的设置、方法、基准与结果,将其分为基于提示、参数和特征的方法,并探讨了其与多模态大语言模型的联系,为多模态研究提供清晰全景。
2025-06-30 cs.AI cs.CV
Multi-Cache Enhanced Prototype Learning for Test-Time Generalization of Vision-Language Models
Shanghai University(上海大学);Beijing University of Chemical Technology(北京化工大学);University of Minnesota(明尼苏达大学)
本文提出多缓存增强原型测试时自适应方法MCP及MCP++框架,通过熵缓存、对齐缓存和负缓存提升视觉-语言模型在分布偏移下的类内紧凑性与预测校准,在15个下游任务上取得最先进泛化性能。
2025-08-21 cs.AI cs.CV
Self-Distilled Vision Transformer for Domain Generalization
Mohamed Bin Zayed University of AI(穆罕默德·本·扎耶德人工智能大学);Oxford Brookes University(牛津布鲁克斯大学);Australian National University(澳大利亚国立大学);Linköping University(林雪平大学)
近年来,已经提出了几种领域泛化(DG)方法,表现出令人鼓舞的性能,然而,几乎所有这些方法都建立在卷积神经网络(CNN)的基础上。在研究视觉Transformer(ViTs)的DG性能方面几乎没有进展,这正在挑战CNN在标准基准上的至高无上地位,通常建立在i.i.d假设的基础上。这使得虚拟技术在现实世界中的部署令人怀疑。在本文中,我们试图探讨ViTs对解决DG问题。与CNN类似,ViT也在分布外的场景中挣扎,罪魁祸首是对源域的过度拟合。灵感来自模块化架构的ViTs,我们提出了一个简单的DG方法ViTs,作为自蒸馏ViTs。它通过为中间Transformer块组织非零熵监督信号来简化输入输出映射问题的学习,从而减少了源域的过拟合。此外,它不会引入任何新参数,并且可以无缝插入到不同ViT的模块组合中。我们在五个具有挑战性的数据集中实证了不同DG基线和各种ViT骨干的显着性能增益。此外,我们报告对最近的国家的最先进的DG方法的良好性能。我们的代码和预训练模型可在https://github.com/maryam089/SDViT上公开获取。
2022-10-04 cs.AI cs.CV cs.LG
Robust Domain Generalization for Multi-modal Object Recognition
Northern Arizona University(北亚利桑那大学);AMA University(AMA大学);Massachusetts Institute of Technology(麻省理工学院);Peking University(北京大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校);University of Southern California(南加州大学);College of Computing Georgia Institute of Technology(佐治亚理工学院计算学院)
针对多模态目标识别中现有域泛化方法的损失函数、骨干通用性、类别感知融合局限,提出推导实际损失、扩展大骨干评估及带混合损失的Mixup-CLIPood方法,提升多数据集域泛化性能。
2024-08-11 cs.AI cs.CV
Visual Perception Generalization for Vision-and-Language Navigation via Meta-Learning
Westlake University(西湖大学);Zhejiang University(浙江大学)
视觉和语言导航(VLN)是一项具有挑战性的任务,它要求智能体通过理解实时接收的自然语言指令和视觉信息来在现实环境中导航。先前的工作已经在连续环境或物理机器人上实现了VLN任务,由于数据集的限制,所有这些都使用固定的相机配置,例如1.5米高,90度水平视场(HFOV)等,然而,具有不同目的的现实生活中的机器人具有多个相机配置,并且视觉信息的巨大差距使得难以在各种机器人之间直接传递学习的导航模型。在本文中,我们提出了一种基于元学习的视觉感知泛化策略,它使智能体能够快速适应一个新的相机配置与几个镜头。在训练阶段,我们首先将泛化问题定位到视觉感知模块,然后比较两种Meta学习算法在可见和不可见环境中更好的泛化。其中一个使用模型不可知元学习(MAML)算法,需要Few Shot适应,另一个是指基于度量的元学习方法,具有特征仿射变换层。实验结果表明,我们的策略成功地适应了学习的导航模型,以一个新的相机配置,和两个算法显示出各自的优势,在可见和不可见的环境。
2021-01-19 cs.AI cs.RO
Distilling Vision-Language Foundation Models: A Data-Free Approach via Prompt Diversification
Hikvision Research Institute(海康威视研究院);College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院);Fuzhou University(福州大学)
本文提出通过提示多样化方法,在无数据条件下将视觉-语言基础模型蒸馏为紧凑学生模型,以继承分布外泛化能力,其中对比提示效果最佳。
2024-07-21 cs.AI cs.CV cs.MM
VLA-GAUGE: Systematically Evaluating Generalization and Robustness in Vision-Language-Action Models
Software College, Northeastern University(东北大学软件学院);School of Computer Science, Shanghai Jiao Tong University(上海交通大学计算机科学与工程学院);Shanghai Syslong Information Technology Co., Ltd.(上海赛龙信息技术有限公司)
本研究提出VLA-GAUGE诊断框架,评估12个不同VLA模型,发现其零样本泛化与组合扰动鲁棒性不足,诊断驱动微调可显著提升模型对应性能。
2026-10-14 cs.AI cs.CV cs.RO
Test-Time Spectrum-Aware Latent Steering for Zero-Shot Generalization in Vision-Language Models
Rutgers University(罗格斯大学)
本文提出STP,一种轻量级的测试时适应框架,通过谱感知方法引导潜在表示,提升视觉-语言模型在零样本泛化中的性能,同时保持高效推理速度和低内存消耗。
2025-12-01 cs.AI cs.CV cs.LG
RMAdapter: Reconstruction-based Multi-Modal Adapter for Vision-Language Models
RMAdapter通过双分支架构平衡通用与任务特定知识,提升视觉-语言模型在多模态迁移学习中的性能。
2025-12-07 cs.AI cs.CV cs.LG
SeePhys: Does Seeing Help Thinking? -- Benchmarking Vision-Based Physics Reasoning
Sun Yat-sen University(中山大学);ETH Zurich(苏黎世联邦理工学院);Huawei Noah’s Ark Lab(华为诺亚实验室);The University of Hong Kong(香港大学);ETH AI Center(苏黎世人工智能中心)
本研究推出大规模多模态物理推理基准SeePhys,含7个物理领域、21类示意图且75%为视觉必需型问题,测试发现顶尖视觉推理模型准确率不足60%,揭示了当前大语言模型视觉理解的核心挑战。
2025-10-06 cs.AI physics.ed-ph physics.pop-ph
Obstacle Tower: A Generalization Challenge in Vision, Control, and Planning
Unity Technologies(Unity科技公司);New York University(纽约大学)
最近人工智能研究的快速发展在一定程度上是由快速和具有挑战性的模拟环境的存在所推动的。这些环境通常采取游戏的形式;任务范围从简单的棋盘游戏到竞争性视频游戏。我们提出了一个新的基准-障碍塔:高保真,三维,第三人称,程序生成的环境。一个玩障碍塔的智能体必须学会同时解决低级控制和高级规划问题,同时从像素和稀疏的奖励信号中学习。与其他基准测试(如Arcade Learning Environment)不同,Obstacle Tower中对代理性能的评估是基于代理在环境中看不见的实例上表现良好的能力。在本文中,我们概述了环境,并提供了一组由当前最先进的深度RL方法以及人类玩家产生的基线结果。这些算法无法产生能够接近人类水平的代理。
2019-07-01 cs.AI cs.LG
Do Kernel and Neural Embeddings Help in Training and Generalization?
Chalmers University of Technology(查尔姆斯理工大学)
神经网络的优化和泛化性能的最新研究结果表明,在一个简单的两层网络中,标签与相应的Gram矩阵的特征向量的对齐决定了训练过程中优化的收敛性。这样的分析也提供了上界的泛化误差。我们通过实验研究了这些结果对嵌入更深层次网络的影响。我们认为最后隐藏层之前的层产生输入数据的不同表示,然后将其馈送到两层模型。我们表明,这些表示提高优化和泛化。特别是,我们调查三个内核表示时,馈送到最后的隐藏层:高斯内核和它的近似随机傅立叶特征,内核设计模仿表示产生的神经网络,最后一个最佳内核设计对齐的数据与目标标签。由这些内核引起的近似表示被馈送到神经网络,并对最终模型的优化和泛化性能进行评估和比较。
2023-02-02 cs.AI cs.LG stat.ML
Position: Vision-Language-Action Models Cannot Be Verified to Perform Physical Reasoning
本文指出基于预训练视觉-语言模型的VLA系统在机器人操作基准上的性能提升无法区分语义匹配与物理泛化,现有评估指标不能验证物理推理能力。
2026-07-01 cs.AI cs.RO
When Data Imbalance Helps: Robust Generalization Through Shortcut Saturation
University of California, Los Angeles(加利福尼亚大学洛杉矶分校);Purdue University(普渡大学)
研究虚假相关性下数据不平衡对模型泛化的影响,通过改变虚假比率和模型容量发现数据不平衡能促进强大模型泛化,如合成任务中2层变压器在特定虚假比率下泛化效果提升,还通过机制分析找到相关途径。
2026-09-18 cs.AI cs.LG
A Vision for Semantically Enriched Data Science
IBM Research(IBM研究院);University of Chicago(芝加哥大学)
最近在机器学习或数据科学自动化方面的努力已经在各种任务中取得了成功,例如超参数优化或模型选择。然而,关键领域(如利用领域知识和数据语义)是我们几乎没有看到自动化的领域。数据科学家长期以来一直利用常识推理和领域知识来理解和丰富数据,以构建预测模型。在本文中,我们讨论了当前数据科学和机器学习解决方案的重要缺陷。然后,我们设想如何利用对数据的“语义”理解和推理,结合数据科学自动化的新工具,可以帮助实现一致和可解释的数据增强和转换。此外,我们还讨论了语义如何以一种新的方式帮助数据科学家解决与机器学习中的信任、偏见和可解释性相关的挑战。语义注释还可以帮助更好地探索和组织大型数据源。
2023-03-02 cs.AI cs.DB cs.LG
Grounding Sim-to-Real Generalization in Robotic Manipulation: An Empirical Study with Vision-Language-Action Models
School of Data Science, The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)数据科学学院);Shenzhen Loop Area Institute(深圳河套学院)
本文通过四个维度探讨仿真到现实泛化的决定因素,提出评估协议并释放资源以建立标准化基准,提升机器人操作策略的泛化能力。
2026-06-29 cs.AI cs.RO