arXiv · AI· Zhennan Jiang, Shangqing Zhou, Yutong Jiang, Zefang Huang, Mingjie Wei, Yuhui Chen, Tianxing Zhou, Zhen Guo, Hao Lin, Quanlu Zhang, Yu Wang, Haoran Li, Dongbin Zhao, Chao Yu·· 23 小时前AI 评分41
WoVR: 世界模型作为后训练 VLA 策略强化学习的可靠模拟器
WoVR: World Models as Reliable Simulators for Post-Training VLA Policies with RL
AI 导读
研究者提出 WoVR 框架，利用受控的世界模型模拟器解决 VLA 策略强化学习中闭环想象 rollout 的幻觉与误差累积问题。 框架通过可控动作条件视频世界模型、关键帧初始化 rollout 及世界模型-策略共进化机制，实现稳定长程模拟与高效策略优化。 实验显示 WoVR 在 LIBERO 基准测试中性能优越，并在多个真实机器人平台上带来一致性能增益。
来源：arXiv · AI · arxiv.org