因果推断

本文提出CD-LAM框架，针对潜在动作模型（LAM）中动作无关视觉因素泄露导致的动作跟随性差问题，引入基于因果的去偏目标进行微调。实验显示，该方法在2B和14B模型上显著降低FDCE（前景位移切弗距离误差），并在AgiBot真实机器人数据集上实现12倍以上的适应效率提升。需注意，高PSNR不保证良好的动作跟随性，FDCE是更可靠的评估指标。