EXPO-FT 通过强化学习后训练让 π0.5 在 8 项操作任务上全部达到 30/30 成功率

EXPO-FT 通过强化学习后训练让 π0.5 在测试的 8 项操作任务上全部达到 30/30 成功率，平均每项任务只使用 19 分钟强化学习数据。该方法面向有挑战的操作任务，包括串灯走线与插入电源接头点亮灯串、将台球击入球袋、把花插入酒瓶，以高效、可靠、开源的 VLA 微调形式发布，论文与视频见 https://pd-perry.github.io/expo-ft/ 。