arXiv cs.RO 机器人学· Luzhe Sun, Jingtian Ji, Haoran Chen, Jiawei Zhou, Matthew R. Walter·· 5 小时前精选AI 评分57
GLOVES：基于流的机器人策略免参数更新适配框架
Flow-based Policy Adaptation without Policy Updates
AI 导读
论文提出 GLOVES，一个基于流的框架，通过轻量、目标无关的专家动作先验在执行时修正智能体提出的动作块，而无需更新其参数。学习到的流通过反向流评估提供分布内打分信号作为干预门控，仅在动作异常或分布外时进行修正。在受控 OOD 恢复研究、仿真基准和真实机器人实验中，GLOVES 在不重训练底层策略的情况下持续提升了 VLA 模型和 Code-as-Policy 智能体的成功率，代码与演示已公开。
推荐理由
论文提出不更新策略参数的轻量修正模块，为复用已有 VLA 提供了一条低成本适配路径。
来源：arXiv cs.RO 机器人学 · arxiv.org