REPAIR：把RL专家蒸馏进单一VLA策略

Zhennan Jiang等作者提出REPAIR，一个价值引导的蒸馏框架，把轻量强化学习专家的能力迁移进单一流匹配VLA策略，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，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、不接管控制。 论文称在六项真实机器人任务、每项30次评估试验中，REPAIR全部六项达到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。作者指出，直接模仿专家rollout会复制动作抖动，并使VLA对自身执行中遇到的状态准备不足。 该论文为arXiv预印本，共19页、12张图，尚未经同行评议，结果未经独立验证。

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。