REPAIR：将强化学习专家蒸馏进视觉-语言-动作策略

论文提出REPAIR，一个价值引导的蒸馏框架，用于把轻量强化学习专家的能力迁移进单一流匹配VLA策略，从而在部署时去掉辅助控制器和切换机制。方法上，REPAIR在关键阶段观测处向对应专家查询多个动作候选，用其critic加权构造监督分布，并以共享的加权流匹配目标先训练专家辅助rollout的观测，再训练VLA自身执行采集的观测；在线采集时专家只提供监督而不接管控制。在六项真实机器人任务、每项30次评估试验中，REPAIR在全部六项任务上达到100%成功率，且每项任务的平均末端执行器抖动均低于专家辅助执行。论文为预印本，共19页、12张图。