arXiv cs.AI· Yun Zhu, Da Wang·· 12 小时前AI 评分38
TAD：仅用教师轨迹蒸馏视觉-语言-动作策略
TAD: Distilling Vision-Language-Action Policies from Teacher Trajectories Alone
AI 导读
TAD（Trajectory-only Adversarial Distillation）提出仅凭固定教师轨迹特征库蒸馏 VLA 策略，学生无需在线查询教师或环境任务奖励。
正文 · AI 翻译
摘要：视觉-语言-动作（VLA）策略的在线蒸馏通常依赖教师动作分数，而仅用于推理的接口可能不会暴露这些分数。仅基于轨迹的对抗蒸馏（\gad{}）则改为将固定的教师关节位置特征库转化为自适应反馈：判别器比较教师与学生轨迹的特征边缘分布，并为同策略学习提供奖励。学生与环境交互时无需在线查询教师，也无需环境任务奖励。在 ManiSkill \texttt{PutOnPlateInScene25Main} 上，\gad{} 将 OpenVLA-OFT（7B）的 \successonce{} 从 $26.2\%$ 提升至 $76.6\%$（$+50.4$ 个百分点），并将 \successend{} 从 $20.3\%$ 提升至 $58.6\%$。它落后于白盒同策略蒸馏（OPD）的 $81.6\%$ / $59.4\%$，差距为 $5.0$ / $0.8$ 个百分点（每个检查点 $n{=}256$ 条评估轨迹）。所测试的四轮续训在不增加教师数据的情况下取得了最高的 \gad{} 结果。这一最佳运行使用了 OPD 学生交互预算的 $5\times$ 及其完整轨迹批次传递次数的 $12.5\times$。该比较展示了无需教师评分的在线 VLA 改进，同时量化了不相等的交互与优化预算。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.33650 [cs.AI] |
| （或 arXiv:2610.33650v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.33650 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Da Wang [查看电子邮件]
[v1]
2026年10月24日星期六 13:05:18 UTC（279 KB）
来源：arXiv cs.AI · arxiv.org