EXPO-FT: 面向视觉-语言-动作模型的样本高效强化学习微调

Perry Dong, Kuo-Han Hung, Tian Gao, Dorsa Sadigh, Chelsea Finn

2026

摘要

提出EXPO-FT系统，通过稳定、样本高效的强化学习微调预训练的VLA策略，在多种高精度操作任务中实现完美成功率，且仅需平均19.1分钟在线机器人数据。该方法优于从头训练的RL和现有VLA微调方法。

reinforcement learningfine-tuningvision-language-action modelssample efficiencymanipulation

MANIPULATION

开放获取📊 0 引用

Jiawei Zhang, Xinhao Miao, Jifeng Guo 等 5 位作者

2026

LOCOMOTION

开放获取📊 0 引用

Yuhang Wan, Weixian Lin, Letian Qian 等 8 位作者

2026

MANIPULATION

开放获取📊 0 引用

Pavan Karke, Kushal Shah, Gaurav Singh 等 6 位作者

2026

LEARNING

开放获取📊 0 引用

Haoxiang You, Yilang Liu, Davis Zong 等 8 位作者

2026