arXiv 人工智能· Xule Gao, Xi Wang, Zehua Zang, Rui Wang, Changwen Zheng, Chuxiong Sun·· 4 小时前AI 评分38
OGPO：面向可恢复 VLA 模型的离线目标条件策略优化框架
OGPO: Offline Goal-conditioned Policy Optimization for Recoverable Vision-Language-Action Models
AI 导读
研究者提出面向视觉-语言-动作（VLA）模型的离线目标条件策略优化框架 OGPO，以增强机器人在偏离演示轨迹时的状态恢复能力。该框架通过自适应语义关键状态重标记轨迹并构建过程奖励，无需在线交互即可将轨迹模仿转向关键状态可达性学习。在 LIBERO、MetaWorld 及扰动基准 LIBERO-ReAct 上，OGPO 表现均优于标准监督微调。
来源：arXiv 人工智能 · arxiv.org