arXiv · ML· Zhiyuan Xiang, Xiang Deng, Wanjie Tao, Xu Chen, Zhao Jielun, Weili Guan·· 6 小时前AI 评分32
CSO框架通过技能分布对齐提升机器人操作策略性能
CSO: Refining Robotic Policies via Skill Distribution Alignment and Skill-Grained Optimization
AI 导读
提出级联技能优化（CSO）后训练框架，将LIBERO总体成功率从80.1%提升至97.5%，并在RoboTwin2.0及五个物理单臂任务中达到61.0%成功率。 该框架包含两阶段：拒绝采样监督微调对齐观测到技能映射，以及冻结观测编码器下的技能策略优化，确保更新稳定。 该方法有效解决VQ-VAE量化误差导致的先验分布次优问题，为机器人操作提供可靠的后训练路径。
来源：arXiv · ML · arxiv.org