TECHNOLOGY · 技术
具身大模型
DiVeR：面向VLA测试时扩展的决策关键验证器学习
DiVeR利用采样动作表征离散度估计决策关键性，对验证器学习重新加权，在LIBERO、RoboCasa及真实机器人上提升任务成功率。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
近期一篇热门论文提出DiVeR方法，针对视觉-语言-动作（VLA）策略的测试时扩展问题。研究指出，扩大机器人数据与模型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 · 现身容量虽能提升VLA性能，但数据成本高企制约进一步进展；验证器引导的测试时扩展通过采样多个候选动作并选择最可能成功的动作，提供了一种高效替代方案。现有基于分类的验证器依赖轨迹级结果学习，却对所有访问状态一视同仁，而不同状态对候选动作的区分价值差异显著。多数状态下可行动作相似，区分信号有限；仅稀疏的决策关键状态存在能实质影响后续结果的不同动作。DiVeR据此从采样动作表征的离散度估计决策关键性，并利用该信号将验证器学习重新加权至动作选择最具影响的状态，无需步级标注或额外环境交互。
在LIBERO、RoboCasa以及Franka Research 3机器人的真实实验中，DiVeR通过更有效的验证器引导动作选择持续提升任务成功率，同时验证器推理开销可忽略。