English(EN) FORCE: Efficient VLA Reinforcement Fine-Tuning via Value-Calibrated Warm-up and Self-Distillation

新的FORCE框架提升了视觉-语言-动作模型强化学习微调的效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-24 16:23

研究人员开发了FORCE，一个新颖的三阶段框架，旨在提高视觉-语言-动作（VLA）模型强化学习（RL）微调的效率和稳定性。该方法通过价值校准预热阶段稳定Q函数，解决了灾难性遗忘和低效策略更新等常见问题。FORCE还过滤动作，确保仅使用高价值数据进行策略更新，从而在无人干预的情况下实现显著的性能提升和加速训练。 AI

影响该框架通过提高VLA模型强化学习微调的效率，有可能实现更强大、更自主的机器人代理。

排序理由该集群包含一篇详细介绍AI模型微调新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Shanghang Zhang · 2026-06-24 16:23

FORCE: Efficient VLA Reinforcement Fine-Tuning via Value-Calibrated Warm-up and Self-Distillation

Vision-Language-Action (VLA) models are often constrained by the imitation ceiling imposed by sub-optimal data. While Reinforcement Learning (RL) fine-tuning can surpass this limit, it is notoriously sample inefficient. This challenge arises from two core issues: (1) catastrophic…

报道来源 [1]

FORCE: Efficient VLA Reinforcement Fine-Tuning via Value-Calibrated Warm-up and Self-Distillation

相关实体

相关话题