《PLD——自我改进的VLA：先通过离策略RL学习一个轻量级的残差动作策略，然后让该残差策略收集专家数据，最后蒸馏到VLA中》http://t.cn/AXbLJAlZ

七月具身July

26-01-03 21:36 微博认证：北京七月在线科技有限公司创始人

《PLD——自我改进的VLA：先通过离策略RL学习一个轻量级的残差动作策略，然后让该残差策略收集专家数据，最后蒸馏到VLA中》
http://t.cn/AXbLJAlZ

发布于湖南