arXiv · ML· Wenzhan Li, Yiran Qin, Heng Zhou, Huirui Wang, Yulan Guo, Ruimao Zhang·· 2026-10-14AI 评分37
Trust-Calibrated VLA Policy Post-Training with Evolving Imagination
Trust-Calibrated VLA Policy Post-Training with Evolving Imagination
AI 导读
研究者提出模型演化强化学习(MERL)框架,通过信任校准平衡可靠性与效率,解决VLA模型后训练难题。 该框架结合在线更新的模拟器,在LIBERO-PRO任务中达到79.7%平均成功率,高阈值学习速度比对照提升10.9%。 50条演示下的固定数据自适应策略在两个实体机器人任务上实现80.0%平均成功率。
来源:arXiv · ML · arxiv.org