HETUW的博客

本文提出RECAP框架，首次实现大模型VLA在真实机器人长程任务中通过“稀疏成败→价值估计→优势条件策略”闭环迭代优化。核心创新在于：以简单文本条件（positive/negative advantage）接入流匹配策略，兼容多源数据（演示、自主、纠错），实现端到端离线强化学习；在咖啡机、衣物叠放等复杂任务上，成功率提升近半，吞吐量超2倍，验证了通用视觉-语言-动作模型在真机持续进化的能力。

χ₀基于开源π₀.₅，以“资源可承受”三件套（模型合模、阶段感知优势、训练-部署对齐）实现长程衣物双臂操作接近产线稳定。核心创新在于系统性对齐三类分布：演示（P_train）、策略（Q_model）、真机执行（P_test），破解覆盖不足、时序错配与失败级联问题。通过权重空间合模补覆盖、直接回归阶段进度信号降噪声、及增广与平滑对齐分布，实现在20小时/任务、8×A100下成功率提升250%（达近100%），模块可叠加，支持24小时连续运行，代码数据全开源。