机器人 / 具身智能

VLA-OPD: Bridging Offline SFT and Online RL for Vision-Language-Action Models via On-Policy Distillation

VLA-OPD: 通过在线策略蒸馏连接离线SFT与在线RL以构建视觉-语言-动作模型

Zhide Zhong, Haodong Yan, Junfeng Li, Junjie He, Tianran Zhang, Haoang Li

专题命中 模仿学习与强化学习 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出VLA-OPD框架，通过在线策略蒸馏结合离线SFT与在线RL，解决预训练模型在部署中的分布偏移和灾难性遗忘问题，提升样本效率与鲁棒性。

Addressing Ambiguity in Imitation Learning through Product of Experts based Negative Feedback

通过专家产品负反馈解决模仿学习中的歧义

John Bateman, Andy M. Tyrrell, Jihong Zhu

机构 * University of York（约克大学） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO

AI总结 本文提出一种利用次优示范解决歧义任务的系统，通过自身失败学习，显著提升成功率，优于传统正反馈模仿学习，且在效能和效率上更优。