arXiv cs.AI· Yun Zhu, Da Wang·· 7 天前AI 评分39
TAD：仅凭教师轨迹蒸馏视觉-语言-动作（VLA）策略
TAD: Distilling Vision-Language-Action Policies from Teacher Trajectories Alone
AI 导读
新提出的对抗蒸馏方法 TAD 无需在线教师打分或环境奖励，仅依靠固定教师轨迹即可对 VLA 策略进行在线蒸馏。在 ManiSkill 评测中，TAD 将 7B 规模的 OpenVLA-OFT 成功率从 26.2% 提升至 76.6%，最终成功率从 20.3% 提至 58.6%。其表现仅落后白盒在线蒸馏（OPD）0.8 至 5.0 个百分点，但需消耗 OPD 5 倍的学生交互预算。
来源：arXiv cs.AI · arxiv.org