提出分层优势加权行为克隆(HABC)方法,通过双头critic和干预感知信用分配解决VLA在线RL微调中的稀疏结果问题,在真实机器人任务中显著提升了成功率。
机构:清华
来源:arXiv 2606.17043 | AI4Papers 论文推荐平台