VLA微调数据与训练预算的案例研究

2026年11月10日，arXiv Robotics 刊出 Matěj Kripner 与 Milan Straka 的案例研究，考察视觉-语言-动作（VLA）模型在真实与仿真数据下的适配。研究在 SO-101 机械臂上微调 π₀.₅，任务是按格名（如 e4、a5）移动棋子，需要精确操作与场景空间理解；训练数据来自遥操作演示与随机化脚本专家生成的仿真演示，用以考察数据量与训练更新预算的影响。仿真结果显示，成功率随数据量和更新量同时提升；短时学习率 cool-down 带来最多 31 个百分点的增益，且作者称这是比较 checkpoint 所必需的。研究还发现，验证损失与动作误差不适合用于选择 checkpoint。部分结果表明，在仿真演示上预训练有显著帮助，在真实数据稀缺时最为明显。上述结论均限于该研究设定的仿真与任务条件。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。