arXiv cs.RO· Gongxin Yao, Yongsheng Zhao, Jiayin Deng, Deng Liang, Han Gao, Lei Zhao, Baoping Cheng·· 6 小时前精选AI 评分62
Online-ES：通过自监督轨迹分布优化在线进化 Flow Matching VLA 策略
Online Evolution Strategy for Flow-Matching VLA Policies via Self-Supervised Trajectory Distribution Optimization
AI 导读
论文提出 Online-ES，一个基于进化策略的 Flow Matching VLA 在线自适应框架，通过在动作轨迹空间做进化探索并利用执行结果构建自监督 MSE 目标，把进化方向从轨迹空间迁移到模型参数空间。作者证明该目标是最优进化方向的无偏估计，并将失败经验作为负反馈约束进化方向。仿真与真实环境实验显示，其策略改进效果与强化学习微调相当，且无需学习价值模型或计算优势函数。
推荐理由
提出在动作轨迹空间做进化搜索的在线自适应框架，为 Flow Matching VLA 策略改进提供不依赖价值模型的方法。
来源：arXiv cs.RO · arxiv.org