π-StepNFT：流式VLA在线强化学习框架

Siting Wang等作者提出π-StepNFT，一个面向流式VLA的在线强化学习框架，无需计算最终动作似然。作者称，多步去噪使策略梯度在线RL难以处理，因为采样器诱导的最终动作似然不可直接求解；且去噪轨迹中存在探索与监督不匹配。该框架将观察到的SDE转移作为监督单元，用方差归一化的转移误差对镜像的正负速度分支排序，把rollout反馈映射为局部速度更新。 作者报告，在LIBERO上从共享的少样本SFT初始化出发，π-StepNFT将π₀的平均成功率从57.6%提升至92.0%，将π₀.₅从77.1%提升至94.0%；在ManiSkill的五项仅测试用视觉扰动上，其在所评估的RL基线中取得最高平均成功率。上述结果为论文自报，尚未经同行评议或独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。