Roboter robuster machen: Q‑DIG erkennt Sprachfehler mit Qualitätsdiversität

In der Robotik gewinnt die Kombination aus Vision, Sprache und Handlung immer mehr an Bedeutung. Doch die Leistung von Vision‑Language‑Action‑Modellen (VLA) hängt stark von der genauen Formulierung der Sprachbefehle ab, was die Vorhersage von Fehlern erschwert. Um die Robustheit dieser Modelle zu erhöhen, hat ein Forschungsteam das neue Verfahren Q‑DIG (Quality Diversity for Diverse Instruction Generation) vorgestellt.

Q‑DIG nutzt Techniken aus dem Bereich der Qualitätsdiversität, um systematisch vielfältige, natürliche Sprachbeschreibungen zu erzeugen, die bei VLA‑Roboten Fehler auslösen. Durch die Kombination von Qualitätsdiversität und Vision‑Language‑Modellen werden gezielt Adversarial‑Prompts generiert, die Schwachstellen im Verhalten der Roboter aufdecken. Im Vergleich zu herkömmlichen Methoden liefert Q‑DIG eine breitere Palette an sinnvollen Fehlermustern.

Simulationen mit mehreren Benchmark‑Szenarien zeigen, dass die durch Q‑DIG erzeugten Anweisungen die Erfolgsraten von VLA‑Roboten nach einer Feinabstimmung signifikant steigern. Eine Nutzerstudie bestätigt zudem, dass die generierten Prompts natürlicher und menschenähnlicher wirken als die von Basisverfahren. In realen Tests bestätigte sich die Wirksamkeit der Methode, wobei die Roboter nach dem Training mit Q‑DIG‑Prompts auch bei unbekannten Befehlen besser performen.

Die Ergebnisse deuten darauf hin, dass Q‑DIG ein vielversprechender Ansatz ist, um Schwachstellen in VLA‑basierten Robotern systematisch zu identifizieren und deren Zuverlässigkeit zu erhöhen. Das Projektteam stellt seine Arbeit unter qdigvla.gi zur Verfügung.