VLA模型适配方法数据场景对比研究

2026年10月15日，arXiv Robotics 刊出 Maria Attarian 等作者的论文，研究如何为 Vision-Language-Action 模型选择适配方法，对比后训练、微调与引导三类做法，覆盖 LIBERO 仿真任务与 Franka 真机任务。论文考察的数据场景包括 on-policy 与 off-policy 数据、离线与在线适配，以及数据是否包含最优或次优轨迹。结果显示：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。目前该研究为单一论文报道，尚无后续跟进或结论修正。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。