TIF：用执行反馈审计想象奖励的VLA后训练方法

Zicheng Kong等作者提出一种面向视觉-语言-动作（VLA）后训练的离线监督筛选方法TIF，用执行反馈审计预测奖励。多维奖励模型为候选排序预测效用分数，并预测五个执行质量维度；审计器结合奖励预测与不确定性，从成对的想象视频和真实执行中识别高估模式。只有当候选相对现有轨迹的优势超过阈值、且审计风险通过阈值时，TIF才接受该候选，否则保留原有监督，保留下来的真实轨迹用于行为克隆。 作者在四个LIBERO套件、三个训练种子上报告，TIF平均成功率为76.25%，在轨迹数量和训练预算相同的条件下，比直接用现有轨迹训练高3.00个百分点。在三个真实机器人任务的录制视频上，TIF在60个候选池中将所选轨迹的干净完成率从58.33%提升至70.00%。该工作以预印本形式发布（arXiv:2611.04873），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。