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。
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。