研究用极低参数适配器引导VLA行为风格

James Tcheng、Feiyu Gavin Zhu 发表论文，研究如何把视觉-语言-动作模型（VLA）的执行风格调整为偏好，例如把物体抬得更高。作者冻结 OpenVLA-OFT 7B 策略，只优化含 8 至 384 个可训练参数的 TinyLoRA 适配器，训练方法为策略梯度强化学习 GRPO 或进化搜索 CMA-ES。 作者称，仅用 256 个可训练参数时，训练任务上的抬举高度提升 120 毫米、成功率 92%；留出任务上提升 74 毫米、成功率 80%。作者还称，通过缩放学到的更新量，可在不重新训练的情况下调节风格收益与预训练能力保留之间的权衡，增大适配器容量通常能改善这一权衡。 该工作以预印本形式发布，标注为 NeurIPS 2026 RoboPAD Workshop，尚未见同行评议或独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。