CRONOS：面向机器人操作的非情节式强化学习基准

CRONOS 提出用于视觉-语言-动作（VLA）模型非情节式场景重置强化学习微调的高保真物理模拟基准。 研究发现直接微调预训练策略会因物体配置和末端执行器位姿偏移而失败，但可通过针对性重置分配和纠正偏差加以缓解。 非情节式训练增强了长程操作能力，并提升了对未见物体配置和任务序列的泛化性。