LEARNING
基于分层优势加权的稀疏回合结果在线强化学习微调VLA策略
Tongyan Fang, Siyuan Huang, Naiyu Fang, Ganlong Zhao, Zhongjin Luo, Jianbo Liu, Xiaogang Wang, Ying Dong, Hongsheng Li
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
该论文提出了一种分层优势加权行为克隆方法（HABC），通过训练两个独立的评论家头分别处理可行性和效率目标，并利用状态自适应门控机制合并它们的优势信号，解决了在线强化学习微调VLA策略时稀疏二进制结果导致的信用分配问题。实验表明，该方法在机器人操作任务中显著优于现有基线。
关键词
hierarchical advantageonline RL fine-tuningVLA policiessparse outcomescredit assignment
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018