arXiv · 机器人与计算机视觉· Yuan Fang, Zechu Li, Haolei Tong, Puze Liu, Georgia Chalvatzaki·· 2026-10-05精选AI 评分82
Find Something You Can't Do:面向自改进 VLA 模型的代理式现实世界强化学习
Find Something You Can't Do: Agentic Real-World Reinforcement Learning for Self-Improving VLA Models
AI 导读
FIND 是一个代理式现实世界强化学习框架,旨在解决视觉 - 语言 - 动作(VLA)模型作为冻结策略部署后无法从自身失败中学习的难题。该框架将自主练习重构为场景条件化、性能感知的任务选择问题:利用视觉 - 语言智能体从预定义库中识别可行任务,优先选择近期成功率较低的任务进行练习,并通过成对的执行前后观察结果进行评估。
推荐理由
该工作提出 FIND 框架,利用冻结 VLA 模型在真实环境中通过自主任务选择与自我评估实现策略持续改进。
来源:arXiv · 机器人与计算机视觉 · arxiv.org