arXiv cs.RO 机器人学· Wenzhan Li, Yiran Qin, Heng Zhou, Huirui Wang, Yulan Guo, Ruimao Zhang·· 5 小时前精选AI 评分55
MERL：面向 VLA 策略后训练的可信度校准框架
Trust-Calibrated VLA Policy Post-Training with Evolving Imagination
AI 导读
论文提出 Model-Evolving Reinforcement Learning（MERL），一个可信度校准框架，将策略优化与在线更新的模拟器（含世界模型和奖励代理头）耦合，用模拟器可信度控制想象数据比例与 rollout 深度，用 chunk 级可信度控制回放选择与优化权重，并用残差预测器在不查询未来真值的情况下估计可信度。
推荐理由
论文给出可信度校准的具体机制与对照实验数据，可比较其与纯 model-free 后训练的效率差异。
来源：arXiv cs.RO 机器人学 · arxiv.org