跳到正文
热点事件持续更新

新强化学习框架提升流式VLA策略成功率

1 篇报道1 个报道来源22 小时前更新

先了解这件事

AI 综述

Yuhan Wang等作者提出一种面向流式VLA策略后训练的强化学习框架,将Outcome-Balanced PPO与策略诱导流矫正结合。Outcome-Balanced PPO利用任务成功率估计对正优势重加权,并在保持符号的前提下缩放正负优势;流矫正则周期性对当前策略生成的ODE端点对拟合线性桥流。 在模拟操作基准上,该框架的成功率优于所评估的基线;作者还在Real2Sim2Real任务中考察了各组件的组合效果。

AI 根据报道生成 · 14 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv cs.AI
    Outcome-Balanced PPO 与策略诱导流矫正:面向流式 VLA 策略的强化学习框架

    研究提出一种结合 Outcome-Balanced PPO 与策略诱导流矫正的强化学习框架,用于流式 VLA 策略的后训练。Outcome-Balanced PPO 利用任务成功率估计对正优势重加权,并在保持符号的前提下缩放正负优势;流矫正则周期性对当前策略生成的 ODE 端点对拟合线性桥流。在模拟操作基准上,该框架成功率优于所评估的基线,并在 Real2Sim2Real 任务中考察了组件组合。

本事件热度走势

可比范围当前
5
可比范围峰值
811月19日 22:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。