arXiv Robotics· Mat\v{e}j Kripner, Milan Straka·· 5 小时前AI 评分36
真实与仿真数据下的 VLA 适配：机器人国际象棋案例研究
VLA Adaptation with Real and Simulated Data: A Case Study on Robotic Chess
AI 导读
研究在 SO-101 机械臂按格名（如 e4、a5）移动棋子的任务上微调 π₀.₅，用遥操作与随机化脚本专家生成的仿真演示考察数据量与训练更新预算的影响。仿真中成功率随数据和更新量提升，短时学习率 cool-down 带来最多 31 个百分点的增益，且验证损失与动作误差不适合用于选择 checkpoint。
推荐理由模型分析
这篇案例研究把 VLA 微调中“需要多少数据、训练多久、如何选 checkpoint”这些工程问题放到机械臂按棋格名称移动棋子的任务上实测。它给出可复用的经验：学习率 cool-down 能提升最多 31 个百分点，验证损失和动作误差不适合选模型，仿真预训练在真实数据稀缺时帮助明显；同时报告了多种自 rollout 训练方法无效的负结果。做机器人策略微调的研究者可以据此调整数据配比与选型流程，但结论限于该任务与 SO-101 平台。
来源：arXiv Robotics · arxiv.org