跳到正文
arXiv cs.RO· Jiaming Tang, Zhuoyang Zhang, Junxian Guo, Fangzhou Zhao, Yilong Zhao, Zekai Li, Xingyang Li, Yuyang Zhao, Song Bian, Zhijian Liu, Song Han·· 23 小时前精选AI 评分74

研究团队用仿真强化学习训练 27B 推理模型原生操作真机

Training Reasoning Models in Simulation to Natively Use Real Robots

AI 导读

Jiaming Tang、Song Han 等提出 PEAR 后训练引擎与 robot-use 强化学习(RURL),让开源 27B 推理模型完全在仿真中、无需示教即可学会原生使用真机。

推荐理由

论文给出纯仿真强化学习训练开源 27B 模型原生操作真机的完整方法与迁移数据,可对照 VLA 微调路线。

来源:arXiv cs.RO · arxiv.org