arXiv · 机器人与计算机视觉· Zhennan Jiang, Tingying Xie, Shilong Ji, Shu'ang Yu, Tianxing Zhou, Yuhui Chen, Jiahuan Gao, Kaizhi Xie, Yuanfan Xu, Feng Gao, Yu Wang, Haoran Li, Dongbin Zhao, Chao Yu·· 16 天前AI 评分75
超越策略补丁:将强化学习专家蒸馏为视觉语言动作策略
Beyond Policy Patches: Distilling RL Specialists into Vision-Language-Action Policies
AI 导读
针对 VLA 策略在短周期高精度操作阶段失效的问题,本文提出 REPAIR 框架,通过离线初始化与在线优化结合的方式,将轻量级 RL 专家的能力蒸馏至单一流匹配 VLA。该方法利用 RL 专家的监督分布训练 VLA,最终移除专家控制器实现独立部署。实验显示,REPAIR 在六项真实机器人任务中均达到 100% 成功率,且末端执行器抖动低于专家辅助执行水平。
来源:arXiv · 机器人与计算机视觉 · arxiv.org