用NTK诊断机器人学习中的数据变异机制

2026年10月1日，arXiv cs.RO 发布一项研究，提出用经验神经正切核（NTK）作为诊断工具，考察训练数据变化如何影响机器人操作策略的内部学习机制。研究在 ManiSkill 的 pick-and-place 强化学习以及 LIBERO、RoboTwin 上的 VLA 模型微调中，随机化物体尺寸、颜色、类型、场景光照和语言提示，结果显示 NTK 能区分策略是在记忆不同情形、适应具体情形，还是忽略任务无关因素。目前该工作以预印本形式发布，尚无后续进展报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。