跳到正文
Hugging Face Daily Papers·· 21 天前精选AI 评分84

CaPtain:一种用于后训练代码策略机器人的流水线

CaPtain: A Pipeline for Post-Training Code-as-Policy Robot Agents

AI 导读

论文介绍 CaPtain,这是一个开源的后训练流水线,旨在将小型开放视觉语言模型(VLM)转化为无需依赖大型闭源模型或预训练 VLA 的代码策略机器人代理。该方法首先通过合成轨迹进行监督微调对齐基座模型,随后应用多回合强化学习,并引入读取仿真特权状态的物理评论家来分配信用。

推荐理由

该工作提出 CaPtain 流水线,利用物理评论家解决多回合强化学习的信用分配难题,将小模型在仿真与真实机器人上的成功率提升至超越前沿水平。

来源:Hugging Face Daily Papers · arxiv.org