CRONOS：面向机器人操作的非回合制强化学习基准

CRONOS 是一个用于在非回合制场景重置条件下对视觉-语言-动作（VLA）模型做强化学习微调的仿真基准，采用高保真物理仿真器和共享场景多任务设置。作者发现，直接微调预训练策略在非回合制设置下会因物体配置和末端执行器位姿变化而失败，但可通过有针对性的重置分配和缓解预训练模型偏差来改善。研究还发现，非回合制训练能增强长程操作能力，并提升对未见物体配置和任务序列的泛化。该工作为预印本，结果基于仿真环境。