arXiv · ML· Wei Xiao, Weiliang Tang, Yuying Ge, Hui Zhou, Yao Mu, Li Zhang, Yixiao Ge·· 2026-10-05AI 评分36
ROVE:通过强化学习利用人机交互优化人形操作 VLA 模型
ROVE: Unlocking Human Interventions for Humanoid Manipulation via Reinforcement Learning
AI 导读
针对人形 VLA 模型后训练中人类干预数据质量低下的问题,研究人员提出 ROVE 强化学习框架。该框架引入 OVE 方法,利用跨具身人类经验视频辅助价值估计,引导模型聚焦高价值行为。在真实接触密集和人形操作任务中,ROVE 的表现优于经验学习基线,并随多轮迭代持续提升。
来源:arXiv · ML · arxiv.org