JevVLA 不改动冻结的基座策略,只训练一个给动作打分的能量函数。同一个函数既用于比较离散候选动作,也用梯度纠正连续动作,以轻量方式进化已有 VLA 策略的执行效果。冻结基座、只训打分函数的做法降低了进化策略的训练成本。
正文完
JevVLA 不改动冻结的基座策略,只训练一个给动作打分的能量函数。同一个函数既用于比较离散候选动作,也用梯度纠正连续动作,以轻量方式进化已有 VLA 策略的执行效果。冻结基座、只训打分函数的做法降低了进化策略的训练成本。