研究人员开发了 Martingale GRPO (MART-GRPO),这是一种新颖的强化学习技术,旨在提高视觉语言模型 (VLM) 训练的效率。与将单一优势分数分配给轨迹中所有动作的传统 GRPO 方法不同,MART-GRPO 通过识别失败反馈的最佳停止点来选择性地惩罚动作。这种方法可以防止有用的恢复动作与错误一起被惩罚。在 RoboTwin 2.0 平台上使用 OpenVLA-OFT 模型进行的实验表明,与标准 GRPO 相比,MART-GRPO 显著提高了成功率。 AI
影响 这项研究可能导致更有效的视觉语言模型训练,从而可能提高它们在现实世界机器人应用中的性能。
排序理由 该集群包含一篇详细介绍强化学习新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →