提出OGPO离线目标条件VLA后训练框架

Xule Gao 等论文作者提出 OGPO（Offline Goal-conditioned Policy Optimization），一个面向视觉-语言-动作（VLA）模型的后训练框架，目标是提升模型在偏离机器人演示轨迹后的恢复能力。该方法将离线演示轨迹自适应标注为语义关键状态，构造目标条件过程奖励，并在无需额外在线交互的情况下进行关键状态可达性学习。 作者称，在 LIBERO 和 MetaWorld 上的实验显示 OGPO 一致优于标准监督微调；此外还在 LIBERO-Plus 及其提出的 LIBERO-ReAct（执行中途扰动基准）上进行了评估。以上结果均为论文所述，尚未见独立验证。

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。