跳到正文
热点事件持续更新

MERL：信任校准的VLA策略后训练框架

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

Wenzhan Li 等研究者提出 MERL 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。 在扰动的 LIBERO-PRO 任务上，MERL 平均成功率 79.7%，高阈值学习速度比匹配的无模型对照提升 10.9%，并在三个训练种子上优于同协议的外部基线；每任务 50 条演示的固定数据适配在两个实体机器人任务上取得 80.0% 平均成功率。

AI 根据报道生成 · 2 小时前更新

最新进展10月14日 12:00
MERL：面向 VLA 策略后训练的可信度校准框架

报道时间线

沿着报道，了解事件的不同侧面。

10月14日
  1. arXiv cs.RO 机器人学精选
    MERL：面向 VLA 策略后训练的可信度校准框架

    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。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。