arXiv · AI· Zongyao Zhao, Cheng-Jie Zhao, Ruihang Jiang, Bing Zheng, Zhaolin Wang, Yuanwei Liu·2026-10-26 12:00· 2 小时前AI 评分22

MART-GRPO 用于 VLA 强化学习：基于鞅截断策略

When to Stop Penalizing Actions? Martingale GRPO for VLA Reinforcement Learning

AI 导读

MART-GRPO 在 VLA 强化学习中通过事件引导截断优化 GRPO，利用 VLM 和 LoRA 精准定位错误区间，在保留失败反馈的同时移除后续冗余梯度。该算法基于 RoboTwin 2.0 数据集进行实验验证，结果显示其在多项任务中的成功率显著优于传统全轨迹 GRPO 方法。

来源：arXiv · AI · arxiv.org