arXiv · cs.RO官方发布· Zicheng Kong, Zhenbo Xu, Haoyan Zhang, Jinghan Yang, Zhenzhen Li, Yiwei Ru, Liuyu Xiang, WanTing Xu, Min Ren, Zhaofeng He·· 3 小时前AI 评分58
论文 / 摘要阅读
TIF：用执行反馈审计想象奖励的VLA后训练监督筛选方法
Trusting Imagined Futures: Auditing Imagined Rewards for VLA Post-Training
AI 导读 · 根据来源整理
论文提出Trusting Imagined Futures（TIF），一种面向视觉-语言-动作（VLA）后训练的离线监督筛选方法，用执行反馈审计预测奖励。多维奖励模型为候选排序预测效用分数，并预测五个执行质量维度；审计器结合奖励预测与不确定性，从成对的想象视频和真实执行中识别高估模式。当候选相对现有轨迹的优势超过阈值且审计风险通过阈值时，TIF才接受该候选，否则保留原有监督，保留下来的真实轨迹用于行为克隆。
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