EEmbogent
模型数据硬件产品评测公司技术融资
模型重要2026/11/09 20:12·重要度 76

VLA-MOPD:多任务VLA策略的同策略蒸馏整合

VLA-MOPD: On-Policy Distillation for Multi-Task VLA Policy Consolidation

AI 摘要

Yongxuan Lv 等提出 VLA-MOPD,将多个任务专用流匹配 VLA 专家整合为共享学生策略。学生采集机器人 rollout,在每个访问观测和 ODE 中间状态查询指令路由的冻结教师,以逐流步过渡目标做同策略蒸馏,缓解混合任务强化学习奖励稀疏和离线蒸馏覆盖不足,实现多任务技能保留。

阅读原文来源 arXiv VLA/Humanoid · 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

模型重要3 天前

开源27B模型仅靠仿真强化学习学会操控真实机器人

研究者提出面向机器人智能体的后训练引擎PEAR与机器人使用强化学习(RURL),在纯仿真、无示教条件下训练开放权重27B推理模型,使其像电脑使用智能体一样观察环境、思维链推理并直接输出末端执行器位姿,无需额外封装,并验证仿真中习得的技能可迁移至真实机器人。

模型重要4 天前

EgoX:跨具身自我中心操作学习框架

Yaru Niu 等人提出跨具身自我中心学习框架 EgoX:该框架以语义对齐的观测与动作模态,统一组织人类、真机与仿真的异构演示,预训练模块化跨具身 Transformer MXT+,为每种观测模态配备独立 tokenizer,为每种动作模态配备独立专家,并共享 Transformer 主干。