RAFT两阶段后训练提升VLA鲁棒性

Shresth Grover、Andrey Kolobov、Dhruv Shah 提出推理对齐微调（RAFT），一种两阶段 VLA 后训练流程：先在任务相关推理标注上训练低秩适配器，再冻结适配器、在动作演示上微调策略，目标是缓解少样本适配后对物体、外观和指令变化的鲁棒性下降。 据该论文，在实体 DROID 机器人上，RAFT 的分布外成功率为 75.0%，普通微调为 27.9%；在多阶段双臂 YAM 任务上平均成功率 70.0%，最强基线为 36.0%。RAFT 在仿真抓放和开抽屉任务中面对视觉、物体和指令变化时成功率也有提升。 论文还称，RAFT 的策略对标注任务区域的注意力更多，后层物体身份线性探针准确率更高；更广泛的推理数据混合能在不同演示预算下提升下游成功率。该工作以预印本形式发布，尚未经同行评议。

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。