arXiv · cs.RO· Shresth Grover·· 1 天前精选AI 评分70
RAFT：推理对齐微调提升VLA模型鲁棒性
RAFT: Reasoning-Aligned Fine-Tuning Improves Robustness of VLA Post-Training
AI 导读
Shresth Grover提出推理对齐微调(RAFT)方法，在物理DROID机器人上实现75.0%分布外成功率，远高于普通微调的27.9%；在多阶段双臂YAM任务中达到70.0%平均成功率，比最强基线高出34%。RAFT通过两阶段训练流程，首先在任务相关推理注释上训练低秩适配器，然后在动作演示上微调策略，使模型更关注任务相关区域并提高对象身份识别准确性。
推荐理由
通过推理对齐微调，VLA模型在分布外任务成功率提升近3倍，为机器人任务泛化提供了新思路。
来源：arXiv · cs.RO · arxiv.org