ROVE：从不完美人类干预中学习的人形VLA后训练框架

Wei Xiao 等作者提交论文预印本，提出 ROVE 强化学习框架，用于人形机器人 VLA 模型的后训练，可从带瑕疵的人类干预中学习。 该框架通过人在回路流程采集部署与干预数据，用 Optimistic Value Estimation 从混合质量轨迹中优先提取高价值行为，并引入跨具身人类经验视频增强价值估计。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。