强化学习与具身智能 / CVPR2026
通过视觉符号诊断、纠正并学习操作失败
Diagnose, Correct, and Learn from Manipulation Failures via Visual Symbols
用显式视觉符号(如箭头、标记)作为中间表示来标注和生成纠正动作,为 VLA 失败恢复提供了一种可复用的视觉提示与数据构造范式;ViFailback-Bench 的 11 项细粒度 VQA 任务也可直接用于评测 VLM 的具身失败诊断能力。
视觉语言动作模型视觉问答失败诊断与纠正