Martingale GRPO按错误区间截断VLA失败反馈
热点事件持续更新
Martingale GRPO按错误区间截断VLA失败反馈
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Zongyao Zhao等作者提出面向视觉-语言-动作模型（VLA）强化学习的Martingale GRPO（MART-GRPO），用微调后的视觉语言模型在完整rollout视频中定位最后一个未被恢复的错误，只保留该错误区间内的失败反馈，以解决GRPO把单条轨迹级优势分配给所有动作、连恢复尝试也一并惩罚的问题。 在RoboTwin 2.0上以OpenVLA-OFT实验，作者报告MART-GRPO在多项任务上成功率超过全轨迹GRPO。
AI 根据报道生成 · 48 分钟前更新
最新进展10月26日 12:00
Martingale GRPO：为 VLA 强化学习按错误区间截断失败反馈报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AIMartingale GRPO：为 VLA 强化学习按错误区间截断失败反馈
针对 GRPO 将单条轨迹级优势分配给所有动作、导致恢复尝试被一并惩罚的问题，研究者提出 MART-GRPO，用微调后的 VLM 在完整 rollout 视频中定位最后一个未被恢复的错误，仅保留该错误区间内的失败反馈。在 RoboTwin 2.0 上以 OpenVLA-OFT 实验，MART-GRPO 在多项任务上成功率超过全轨迹 GRPO。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。