质量感知VLA预训练的关键要素研究与AXIS-Bench基准

预印本摘要称，研究者针对视觉语言动作模型在目标任务微调前的质量感知预训练展开实证研究，并推出支持重算质量标签与可重放轨迹的评测基准AXIS-Bench。基于5000条次优人类演示和24项任务的受控比较显示，情节级条件化在三种VLA模型上的平均成功率均优于朴素行为克隆；在真实世界实验中，仿真预训练将任务成功率从9.6%提升至31.7%。