跳到正文
arXiv · 机器人与计算机视觉· Prachi Garg, Steve Xing, Prahit Yaugand, Saurabh Gupta, Derek Hoiem·· 15 天前AI 评分65

Fine-Tuning VLAs with Self-Demonstrated Generative Control for Multi-Task Manipulation

Fine-Tuning VLAs with Self-Demonstrated Generative Control for Multi-Task Manipulation

AI 导读

针对 VLA 模型在新机器人部署时因硬件配置差异导致性能下降且微调易引发遗忘的问题,本文提出一种自监督方法,利用零样本 VLA 生成在线交互数据作为额外训练集。实验表明该方法在真实 ALOHA 机器人和 RoboTwin 仿真基准上实现了多任务策略的强泛化:既继承了预训练的蒸馏任务,又提升了专家微调后的指令遵循能力,同时缓解了非微调任务的遗忘现象。代码、检查点和数据已公开。

来源:arXiv · 机器人与计算机视觉 · arxiv.org