作者提出π-StepNFT流式VLA在线强化学习框架

Siting Wang等作者提出 π-StepNFT，一种面向流式视觉-语言-动作模型（VLA）的在线强化学习框架。其做法是把 SDE 采样中的转移作为监督单元，用方差归一化的转移误差区分正负速度分支，从而无需计算最终动作似然。 作者报告，在 LIBERO 上从共享的少样本 SFT 初始化出发，π-StepNFT 将 π₀ 的平均成功率从 57.6% 提升至 92.0%，将 π₀.₅ 从 77.1% 提升至 94.0%；在 ManiSkill 的五项仅测试阶段视觉扰动上，其平均成功率在所评估的强化学习基线中最高。这些为作者自报结果。

AI 根据报道生成 · 8 天前更新