arXiv cs.AI· Xule Gao, Xi Wang, Zehua Zang, Rui Wang, Changwen Zheng, Chuxiong Sun·· 22 天前AI 评分37
OGPO：面向可恢复视觉-语言-动作模型的离线目标条件策略优化
OGPO: Offline Goal-conditioned Policy Optimization for Recoverable Vision-Language-Action Models
AI 导读
研究者提出用于可恢复视觉-语言-动作（VLA）模型后训练的离线目标条件策略优化框架 OGPO。该框架通过自适应重标记语义关键状态并构建目标条件过程奖励，将后训练转向关键状态可达性学习，无需在线交互即可从偏离演示的状态恢复并完成目标。在 LIBERO、MetaWorld 及扰动评测基准 LIBERO-ReAct 上，OGPO 表现均优于标准监督微调。
来源：arXiv cs.AI · arxiv.org