基于演化想象的信任校准 VLA 策略后训练框架 MERL

预印本摘要称，研究者提出名为 MERL 的信任校准强化学习框架，将视觉-语言-动作（VLA）策略优化与包含世界模型和奖励代理头的在线更新模拟器结合，以平衡后训练的可靠性与效率。在扰动 LIBERO-PRO 任务上，MERL 达到 79.7% 平均成功率，高阈值学习速度较对照组提升 10.9%；在两个物理机器人任务中，基于每任务 50 次演示的固定数据微调达到了 80.0% 的平均成功率。