arXiv · Artificial Intelligence· Xule Gao, Xi Wang, Zehua Zang, Rui Wang, Changwen Zheng, Chuxiong Sun·· 3 hr agoAI score27
OGPO：面向可恢复 VLA 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 brief
研究者提出 OGPO，一种离线目标条件策略优化框架，用于可恢复的视觉-语言-动作（VLA）模型后训练。它将离线轨迹自适应重标注为语义关键状态并构建目标条件过程奖励，把后训练从轨迹级动作模仿转向关键状态可达性学习，无需额外在线交互。
Source: arXiv · Artificial Intelligence · arxiv.org