提出ROVE强化学习框架,利用乐观价值估计从混合质量的人形干预数据和跨具身经验中提取高价值行为,用于人形视觉-语言-动作(VLA)模型的后训练,在真实世界复杂操作任务中持续提升了策略性能。
机构:小鹏
来源:arXiv 2606.17011 | AI4Papers 论文推荐平台