← 视觉 · 语言 · 动作 / 数据与经验更新

技术报告 / Vision–Language–Action

π*0.6 / RECAP

π*0.6: a VLA that Learns from Experience

技术报告 · 2025
GitHub 未确认Stars —引用 397

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
RECAP 的经验与纠正反馈循环π*0.6 / RECAP · 原文 Fig. 1 · p.1 ↗

部署 VLA 收集自主轨迹和人工纠正,以结果反馈更新价值函数,再用优势条件训练策略,使真实经验进入下一轮学习。

  1. 01自主执行与人工纠正
  2. 02更新价值及优势估计
  3. 03优势条件化改进策略
π*0.6 / RECAPRECAP 的经验与纠正反馈循环
RECAP 的经验与纠正反馈循环

部署 VLA 收集自主轨迹和人工纠正,以结果反馈更新价值函数,再用优势条件训练策略,使真实经验进入下一轮学习。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

将机器人执行经验用于改进策略,把模型学习延伸到交互结果。

WHY READ IT

为什么放在这条路线

在模仿学习与基于经验的改进之间建立桥梁,是 π 系列的重要阶段。

当前阶段数据与经验更新 ↗

怎样采集、扩充并利用机器人经验?

READ WITH A QUESTION

读的时候,留意什么

区分示范数据、执行数据与人工反馈各自的贡献,留意真实交互成本。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器