arXiv cs.RO 机器人学· Shangqing Zhou, Zhennan Jiang, Ning Ma, Xin Fu, Yupeng Zheng, Shuai Tian, Huangrui Li, Jiahao Liu, Chao Yu, Zhongpu Xia, Haoran Li, Dongbin Zhao·· 5 小时前精选AI 评分55
WoVR+：以世界模型作为可靠模拟器优化 VLA 策略的强化学习框架
WoVR+: World Model as Reliable Simulator for Versatile VLA Policy Optimization with RL
AI 导读
WoVR+ 扩展了 WoVR 的幻觉感知 WM-RL 框架，通过面向 VLA 接口的世界模型提供多视角预测与本体感知更新并抑制幻觉，用分块噪声在保持流策略探索的同时限制动作抖动，并以分阶段想象训练应对长时程任务。在 RoboTwin 和 6 项真实机器人任务上，WoVR+ 相比 SFT 成功率分别提升 21.09% 和 16.7%，长时程手机打包任务成功率从 30% 升至 75%。
推荐理由
摘要给出相对SFT的成功率提升幅度和长任务前后对比，可据此评估世界模型路线的实际收益。
来源：arXiv cs.RO 机器人学 · arxiv.org