Z-1: 面向视觉-语言-动作模型的高效强化学习

Lang Cao, Renhong Chen, Luyi Li, Peng Wang, Mofan Peng, Yitong Li

摘要

本文提出Z-1框架，通过任务级分组相对策略优化（GRPO）对基于流的视觉-语言-动作模型进行强化学习后训练。在24个RoboCasa任务上，Z-1的平均成功率达到80.6%，相比监督微调提升13.2个百分点，超越了现有最优模型。

reinforcement learningvision-language-actionrobot manipulationGRPOpost-training

LEARNING

📊 8,465 引用

D. O. Hebb

2005

LEARNING

📊 7,678 引用

Benoît B. Mandelbrot, John W. Van Ness

1968

LEARNING

开放获取📊 7,484 引用

Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者

2021

LEARNING

📊 4,608 引用

Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者

2018