论文 / 摘要阅读
DEED：面向零售人形机器人的数据高效后训练与经验驱动学习 VLA 框架
Closing the Lab-to-Store Gap: A Data-Efficient Post-Training and Experience-Driven Learning VLA Framework for Retail Humanoids
AI 导读 · 根据来源整理
论文提出 DEED（Data-Efficient Post-Training and Experience-Driven Learning）系统级方法，在 Unitree G1-Edu 人形机器人和 GR00T N1.6 基础模型上完成超市芯片补货任务。DEED 包含三部分：带控制频率对齐、数据整理、任务相关视觉高亮和降低 VLA 依赖的数据高效后训练流程；借鉴 RECAP、通过文本优势前缀和视觉语言价值函数实现的实机经验驱动改进研究；以及用于研究分布内与分布外行为的潜空间分析工具。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org