❗️Прорыв в пространственном зрении воплощённого ИИ: решение LionRock AI Lab на IROS 2026

Исследователи из LionRock AI Lab (China Merchants Group) выявили и устранили критическую уязвимость Vision-Language-Action (VLA) моделей — их крайнюю чувствительность к изменению положения камеры. В работе, принятой на IROS 2026, показано: смещение камеры на несколько миллиметров снижает успешность выполнения задач с 85% до 43%.

Команда обнаружила три типа shortcut learning: Camera-Base Coupling (модель запоминает координаты объектов относительно камеры), Camera-Object Coupling (зависимость от угла обзора) и Object-Position Coupling (фиксация на позиции объекта, а не на семантике задачи). В эксперименте с задачей «взять ручку и положить в подставку» при фиксированной позиции подставки успешность составляла 95%, но при смещении подставки на один диаметр падала до 72%.

Решение — Hybrid Dynamic Data Collection (HDDC): методика сбора данных с динамическим изменением положения камеры и объектов. HDDC заставляет модель учить реальные пространственные зависимости, а не shortcuts. Подход model-agnostic и подтвердил эффективность на нескольких архитектурах VLA.

Практическое значение: текущие бенчмарки показывают 90%+ успеха в фиксированных условиях, но реальное развёртывание требует устойчивости к изменению ракурсов и расположения объектов. Работа доступна на arXiv и GitHub.

#Tech #VLA #EmbodiedAI #IROS2026 #Robotics #AI #Research