人类纠正跨机器人共享时：联邦VLA适配中的安全挑战

研究探讨联邦学习与VLA策略适配的交汇点：跨任务、环境、人员和机器人本体共享源自人类纠正的适配更新。作者指出，提升平均任务成功率的共享更新可能压制罕见安全干预，或在另一台机器人上产生不安全响应，并提出三项要求：保留多模态纠正的上下文与不确定性、在接收机器人闭环中评估候选更新、同时评估安全关键证据的泄漏与保留。文章给出反例与可证伪的评估议程，不含实验结果。