RoboFollow 用高熵场景诊断九类具身策略：L0 近乎满分，L1–L3 意图得分骤降，更强 VLM 与现有优化均未弥合差距
该工作提出 RoboFollow 诊断基准，通过高场景熵设计、L0–L3 分层扰动协议与意图/执行分阶段评分，评估九个 VLA 与 WAM 策略，发现其在分布内 L0 表现强劲但在 L1–L3 下意图得分大幅下降，且更强 VLM 骨干、QA 协同训练、LangForce 与无分类器引导均未能弥合该差距。
该工作提出 RoboFollow 诊断基准，通过高场景熵设计、L0–L3 分层扰动协议与意图/执行分阶段评分，评估九个 VLA 与 WAM 策略，发现其在分布内 L0 表现强劲但在 L1–L3 下意图得分大幅下降，且更强 VLM 骨干、QA 协同训练、LangForce 与无分类器引导均未能弥合该差距。
已读完全部报道