arXiv · ML· Iris Xu, Sunshine Jiang, John Marangola, Pulkit Agrawal, Zhang-Wei Hong·· 2026-10-07AI 评分32
Learning from Hindsight (LfH) 方法提升 VLA 模型强化学习样本效率
Learning from Hindsight for VLA Reinforcement Learning
AI 导读
针对 VLA 强化学习中因成功轨迹稀缺导致的低样本效率问题,研究者提出利用预训练 VLM 将失败轨迹重标记为辅助任务,实现 Learning from Hindsight (LfH)。
来源:arXiv · ML · arxiv.org