跳到正文
arXiv · 机器人与计算机视觉· Ziheng Liu, Quantao Yang·· 6 天前AI 评分74

TEMPO:面向视觉语言动作模型的语义 - 动作解耦强化学习后训练

TEMPO: Semantic-Action Decoupled RL Post-Training for Vision-Language-Action Models

AI 导读

论文提出 TEMPO 框架,通过冻结预训练的视觉语言骨干网络,利用两个专用强化学习回路分别更新产生潜在动作条件的语义投影层和低级动作专家。该方法限制潜在动作漂移并允许动作专家从在线反馈中学习。实验在 CALVIN 基准和真实世界操作任务上验证了 TEMPO 优于预训练最先进模型及强化学习后训练基线,且在三个真实任务中达到并保持更高的评估奖励。

来源:arXiv · 机器人与计算机视觉 · arxiv.org