跳到正文
热点事件持续更新

RAFT方法提升VLA模型鲁棒性

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

2026年11月3日，Shresth Grover在arXiv上发布了关于RAFT（推理对齐微调）方法的研究。该方法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。实验显示，RAFT在物理DROID机器人上实现了75.0%的分布外成功率，显著高于普通微调的27.9%；在多阶段双臂YAM任务中达到70.0%的平均成功率，比最强基线高出34%。这种方法使模型更关注任务相关区域并提高了对象身份识别准确性。

AI 根据报道生成 · 1 小时前更新

最新进展11月3日 13:56
RAFT：推理对齐微调提升VLA模型鲁棒性

报道时间线

沿着报道，了解事件的不同侧面。

11月3日
  1. arXiv · cs.RO精选
    RAFT：推理对齐微调提升VLA模型鲁棒性

    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。

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。