RePO-VLA：面向视觉-语言-动作模型的恢复驱动策略优化

RePO-VLA 用失败与纠正轨迹训练 VLA 模型恢复能力。

资讯摘要

论文提出 RePO-VLA，一种恢复驱动的策略优化框架，为成功、恢复与失败轨迹分配不同角色：先用 Recovery-Aware Initialization 将纠正片段切分为新回合，再学习 Progress-Aware Semantic Value Function，用可靠性衰减保留失败前缀信息，并通过 Value-Conditioned Refinement 让策略偏好高进展动作。作者同时提出 FRBench 基准，报告在仿真与真实双臂任务中对抗成功率平均从 20% 提升至 75%，真实试验最高达 80%。

要点速读

1. 论文提出 RePO-VLA，将成功、恢复、失败轨迹分别赋予不同训练角色，以利用通常被丢弃的失败 rollout。
2. 方法包含 Recovery-Aware Initialization、Progress-Aware Semantic Value Function 与 Value-Conditioned Refinement 三个组件。
3. 作者提出 Failure-Recovery Benchmark（FRBench），并报告对抗成功率平均从 20% 升至 75%，真实试验最高 80%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。