PerturBot：用扰动训练打破视觉-语言-动作模型中的捷径先验

针对视觉-语言-动作（VLA）模型依赖模态捷径（视觉、词汇或动作线索即可预测专家动作）的问题，研究者提出 PerturBot，通过任务保持的手腕视角扰动、加入决策相关描述丰富指令、并混入随机与失败轨迹片段重新标注来训练，且不改变推理过程。同时提出离线评分 GroundingFscore，用于诊断策略对模态捷径的依赖程度，与任务成功率互补，判断模型是否健康扩展。