研究者提出MART-GRPO改进VLA强化学习失败反馈处理
热点事件持续更新
研究者提出MART-GRPO改进VLA强化学习失败反馈处理
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Zongyao Zhao 等作者在 arXiv 论文（arXiv:2610.32431）中提出 Martingale GRPO（MART-GRPO），用于 VLA 强化学习。该方法用成功概率与策略分数鞅刻画失败反馈的理想停止条件，配合视觉语言模型做事件引导的截断，解决 GRPO 把轨迹级优势均摊到所有动作、误伤恢复尝试的问题。 作者称，在 RoboTwin 2.0 上用 OpenVLA-OFT 的实验显示，MART-GRPO 在多个任务上的成功率高于全轨迹 GRPO。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
何时停止惩罚动作？面向 VLA 强化学习的 Martingale GRPO（MART-GRPO）方法报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AI何时停止惩罚动作？面向 VLA 强化学习的 Martingale GRPO（MART-GRPO）方法
论文提出 Martingale GRPO（MART-GRPO），用成功概率与策略分数鞅刻画失败反馈的理想停止条件，解决 GRPO 将轨迹级优势均摊到所有动作、误伤恢复尝试的问题。
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。