arXiv cs.AI· Seongheon Park, Heecheol Kim, Shulin Tian, Lilika Makabe, Namiko Saito, Katsushi Ikeuchi, Sharon Li, Yasuyuki Matsushita·· 14 小时前AI 评分31
DiVeR：面向 VLA 测试时扩展的决策关键验证器学习
DiVeR: Decision-Critical Verifier Learning for VLA Test-Time Scaling
AI 导读
DiVeR 通过采样动作表示的离散度估计决策关键性，将验证器学习重新加权到动作选择影响最大的状态，无需步级标注或额外环境交互。在 LIBERO、RoboCasa 及 Franka Research 3 真机实验中，DiVeR 通过更有效的验证器引导动作选择持续提升任务成功率，验证器推理开销可忽略。
正文 · AI 翻译
摘要：扩大机器人数据和模型容量提升了视觉-语言-动作（VLA）策略，但进一步进展受到机器人数据高成本的制约。验证器引导的测试时扩展提供了一种高效替代方案，通过在推理时采样多个动作候选并选择最有可能导致任务成功的候选。现有的基于分类的验证器从轨迹级结果中学习，但同等对待所有访问过的状态，尽管它们对候选区分的价值在轨迹中可能有所不同。在许多状态下，合理的动作相似，提供的区分信号有限，而只有稀疏的一组决策关键状态才允许有意义的、能显著影响下游结果的不同动作。为解决这一问题，我们提出 DiVeR，它从采样动作表示的离散度估计决策关键性。DiVeR 随后利用该信号将验证器学习重新加权到动作选择最具后果的状态，而无需步骤级标注或额外的环境交互。在 LIBERO、RoboCasa 以及 Franka Research 3 机器人上的真实世界实验中，DiVeR 通过更有效的验证器引导动作选择持续提升任务成功率，同时增加的验证器推理开销可忽略不计。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.04933 [cs.RO] |
| （或此版本的 arXiv:2610.04933v2 [cs.RO]） | |
| https://doi.org/10.48550/arXiv.2610.04933 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Seongheon Park [查看邮箱]
[v1]
2026年10月4日周日 04:25:40 UTC（10,653 KB）
[v2]
2026年10月25日周日 00:46:00 UTC（10,653 KB）
来源：arXiv cs.AI · arxiv.org