arXiv Robotics· Maria Attarian, Yifan Ruan, Claas Voelcker, Chenyang Cao, Amy Zhang, Peter Stone, Nicholas Rhinehart, Igor Gilitschenski·· 4 小时前AI 评分26
如何为 Vision-Language-Action 模型选择适配方法：后训练、微调与引导的实战指南
Post-Training, Finetuning, and Steering:A Field Guide for Curating Training Data
AI 导读
研究对比了 Vision-Language-Action 模型在不同数据场景下的适配方法，覆盖 LIBERO 仿真任务与 Franka 真机任务。离线场景中，有失败数据时基于 critic 的引导方法优于监督微调，但离线 RL 训练 critic 函数未能超过更简单的 Monte-Carlo 方法。在线场景中，critic 引导的样本效率显著高于策略梯度微调，但性能上限低于完整微调。
来源：arXiv Robotics · arxiv.org