跳到正文
arXiv · AI· Xule Gao, Xi Wang, Zehua Zang, Rui Wang, Changwen Zheng, Chuxiong Sun·· 2026-10-12AI 评分30

OGPO: 面向可恢复 VLA 模型的离线目标条件策略优化

OGPO: Offline Goal-conditioned Policy Optimization for Recoverable Vision-Language-Action Models

AI 导读

提出 OGPO 框架,通过离线目标条件策略优化实现 VLA 模型的可恢复后训练。 OGPO 利用语义关键状态自适应重标记轨迹并构建目标条件过程奖励,将后训练从轨迹级动作模仿转变为关键状态可达性学习。 在 LIBERO 和 MetaWorld 实验中,OGPO 一致提升了 VLA 策略性能,并在 LIBERO-ReAct 扰动基准下展现出更强的鲁棒性。

来源:arXiv · AI · arxiv.org