Event-Grounded Sparse Autoencoders for Vision-Language-Action Policies

En 3 lignesNouvelle approche d'interprétabilité mécanique pour les politiques Vision-Langue-Action (VLA) robotiques. Les auteurs proposent des autoencodeurs creux (SAE) ancrés à des événements comportementaux plutôt qu'à des contextes textuels. Évaluation sur OpenVLA et π₀.₅ en simulation et robot réel, avec code disponible.

Résumé généré par Claude — vérifié par l'humain