← 视觉 · 语言 · 动作 / 数据与经验更新RECAP 的经验与纠正反馈循环π*0.6 / RECAP · 原文 Fig. 1 · p.1 ↗
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
关键框架 FRAMEWORK
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。
- 01自主执行与人工纠正
- 02更新价值及优势估计
- 03优势条件化改进策略
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。
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