DiVeR：面向 VLA 测试时扩展的决策关键验证器学习

DiVeR 提出一种决策关键验证器学习方法，用于 VLA 策略的测试时扩展：通过采样多个动作候选并挑选最可能成功的动作，替代昂贵的机器人数据扩展。现有基于分类的验证器仅从轨迹级结果学习、对所有访问状态一视同仁，而 DiVeR 针对状态间候选区分价值差异进行改进。