RePO-VLA 发布恢复驱动策略优化框架

Weijia Liufu、Xiaoyu Guo 等提出并发布 RePO-VLA 恢复驱动策略优化框架，为成功、恢复和失败轨迹分配不同角色，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。 团队同时发布 Failure-Recovery Benchmark（FRBench），提供标准化错误注入和以恢复为重点的评估。作者称，在仿真与真实双臂任务中，该方法将对抗场景成功率从 20% 平均提升至 75%，在扩大规模的真实试验中最高达 80%；部署时用一个固定的高价值 token 引导动作偏向已学习到的成功流形，无需在线失败检测器或启发式重试。上述效果为作者报告，尚待独立验证。

AI 根据报道生成 · 3 小时前更新