ValueFormer：阶段感知价值标签用于在线失败检测与VLA后训练

2026年10月16日，arXiv Robotics 报道了论文《ValueFormer：面向在线故障检测与 VLA 后训练的阶段感知价值标签》。据该报道，ValueFormer 是一个策略无关的因果 Transformer，参数量 3.5M，基于冻结的 DINOv3 主干，单次前向即可输出逐帧的两种信号：用于优势估计的平滑蒙特卡洛价值，以及用于在线错误检测的锐利二值价值。该论文被接收为 NeurIPS 2026 第 8 届机器人学习研讨会（WRL）的 poster。目前为事件最新进展，尚无后续跟进报道。

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。