EEmbogent
模型数据硬件产品评测公司技术融资
技术2026/11/16 11:28·重要度 68

随机自蒸馏方法加速流式VLA强化学习微调

Stochastic Self-Distillation for Flow-Based Vision-Language-Action Models

AI 摘要

Jingru Guo、Alessandra Russo 等人提出 VLA-SSD,把预训练的流匹配动作头自蒸馏为以布朗运动路径为条件的随机单步策略,使动作头单次前向替代多步 ODE 积分,并可由该单步策略导出条件动作密度,从而用似然比类强化学习算法高效后训练。

阅读原文来源 arXiv cs.RO · arxiv.org

标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。

同板块相关

技术18 小时前

ForceHarness让冻结多模态模型零样本使用力觉

研究团队提出ForceHarness,无需演示数据或微调,即可让仅通过API调用的冻结多模态模型完成依赖接触力的操作任务。该方法先由腕部力传感器或关节力矩标定手部受力,再用可自终止的力原语,在模型下层独立完成力的闭环调节,并通过物理翻译层把力信号转成模型可推理的表征,弥补图像无法反映接触力的缺陷。

技术23 小时前

机器人奖励模型综述:114种方法分为五类

Guoqiang Liang 等人发布机器人奖励模型(RRM)综述,将 114 种方法按输出语义分为结果、绝对进度、相对、时序价值与混合五类,梳理模型设计如何决定评估能力、原始经验如何转为监督信号。作者指出,现有评测依赖与示教顺序的一致性或下游策略增益,无法说明奖励是否真正反映任务完成度,并提出 RRM-Bench-1K。