arXiv · 机器人与计算机视觉· Rahul Chand, Miguel Villa Floran·· 9 天前AI 评分72
VLA 需要多少演示?关于 VLA 微调的样本效率研究
How Many Demonstrations Does a VLA Need? On the Sample Efficiency of VLA Finetuning
AI 导读
论文研究了六种预训练视觉语言动作(VLA)模型在四个 LIBERO 任务集上的适应效率,发现模型间样本效率差异显著:pi_0.5 比 pi_0 所需演示少 2-5 倍且在长视野任务差距最大;GR00T 系列中 N1.5 的适应效率优于后续版本。研究还指出冻结视觉语言模块会严重损害联合训练的 pi 模型但对 GR00T 影响甚微,且验证损失低估了 pi_0.5 的样本效率优势。
来源:arXiv · 机器人与计算机视觉 · arxiv.org