arXiv cs.RO 机器人学· Yuechen Luo, He Chong, Fang Li, Shaoqing Xu, Hexin Zhang, Ruiqi Zhang, Ziying Song, Lei Yang, Zhi-Xin Yang, Fuxi Wen·· 2 小时前精选AI 评分55
Reflect-VLA：用双路在策略自蒸馏将反思引导内化到自动驾驶 VLA
Reflect-VLA: Internalizing Reflective Guidance via Dual-Path On-Policy Self-Distillation for Autonomous Driving
AI 导读
论文提出 Reflect-VLA，把反思引导作为训练期特权信息，通过双路在策略自蒸馏（Dual-OPSD）内化其规划收益：驾驶分数仅用于路由学生生成的轨迹，对风险轨迹从教师蒸馏稠密的 token 级纠正分布，对可靠轨迹做自我模仿。
推荐理由
论文解释了反射式引导为何无法直接用于单次推理，并给出训练期蒸馏的解决路径，关注 VLA 训练效率的读者可参考。
来源：arXiv cs.RO 机器人学 · arxiv.org