arXiv cs.RO· Weijia Liufu, Xiaoyu Guo, Ruiyi Chen, Jingzhi Liu, Kaidong Zhang, Xiwen Liang, Jianqi Lin, Dawei Sun, Yuze Wang, Rongtao Xu, Bingqian Lin, Bowen Yang, Tongtong Cao, Bowen Peng, Dongyu Zhang, Guangrun Wang, Min Wang, Liang Lin, Xiaodan Liang·· 4 小时前AI 评分71
RePO-VLA：面向视觉-语言-动作模型的恢复驱动策略优化
RePO-VLA: Recovery-Driven Policy Optimization for Vision-Language-Action Models
AI 导读
RePO-VLA提出恢复驱动的策略优化框架，把成功、恢复和失败轨迹赋予不同角色，用于长时序、接触密集的操作任务。该方法先用恢复感知初始化把纠正片段切成新回合，再学习进度感知语义价值函数，并用价值条件精炼让策略偏好高进度动作。
来源：arXiv cs.RO · arxiv.org