TAD：仅用教师轨迹蒸馏VLA策略

Yun Zhu、Da Wang 等人提出 TAD（Trajectory-only Adversarial Distillation），一种仅凭固定教师轨迹特征库蒸馏视觉-语言-动作（VLA）策略的方法。其做法是把教师关节位置特征库交给判别器，由判别器比较教师与学生 rollout 的特征边缘分布，生成奖励供学生在线学习；学生与环境交互时无需在线查询教师，也不需要环境任务奖励。 报道称，该方法表现最好的一次运行使用了 OPD 学生交互预算的 5 倍，以及其完整 rollout 批次通过量的 12.5 倍。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。