arXiv Robotics· Kevin Park, Izat Rasyad, Dvij Kalaria, Shankar Sastry·· 5 小时前AI 评分38
DreamVLA：从生成人体动作到人形机器人视觉-语言-动作策略
DreamVLA: From Generated Human Motions to Humanoid Vision-Language-Action Policies
AI 导读
DreamVLA 用生成的动作轨迹引导仿真中的强化学习，把轨迹转成可靠的任务执行轨迹，从而在没有新任务遥操作数据的情况下训练 VLA 模型。其核心是参考条件化的 DAgger 蒸馏流程：学习器 rollout 失败后，从采样的学习器状态以相同参考后缀重启 RL 专家，汇总成功的纠正轨迹，缓解离线模仿留下的分布偏移。
推荐理由模型分析
针对人形全身操作中遥操作演示数据昂贵、仿真RL奖励难设计的问题，作者用生成动作轨迹引导仿真RL，并以参考条件化的DAgger蒸馏纠正离线模仿带来的分布偏移。论文在取物、开抽屉、按按钮和行走取物任务上做了DAgger迭代、残差RL与数据规模消融，可供研究人形VLA数据合成与仿真到真机迁移的读者比较方法边界。
来源：arXiv Robotics · arxiv.org