TECHNOLOGY · 技术
具身大模型
EXIMO：利用视觉语言模型引导VLA策略微调的新方法
EXIMO算法通过探索、模仿、优化三阶段，利用视觉语言模型规划，提升VLA策略微调的样本效率和最终性能。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
针对大规模视觉语言动作模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身微调新任务时依赖大量遥操作Teleoperation由人在远端控制机器人完成动作，并把这些示范记录为训练数据。◆ 小白科普 · 现身数据、样本效率低的问题，研究者提出EXIMO算法。该方法分三阶段运行：探索阶段，视觉语言模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身作为规划者，将长时程任务分解为短任务，并与VLA协作采集新任务数据；模仿阶段，利用采集数据微调VLA；优化阶段，采用离策略残差强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身进一步优化策略。实验表明，EXIMO在样本效率和最终性能上显著优于现有方法。