通过可行的动作邻域先验促进视觉-语言-动作微调

在现实世界的机器人操纵中，国家通常承认邻近的近乎相同的行为。也就是说，对于每个状态，都存在一个可行的动作邻域（FAN），而不是单个正确的动作，其中动作产生难以区分的进展。然而，流行的 VLA 训练方法直接继承自语言环境，没有利用 FAN 属性，从而导致泛化能力差和样本效率低。为了解决这个限制，我们引入了一个 FAN 引导的正则化器，它可以塑造模型的输出分布以与 FAN 的几何结构保持一致。具体来说，我们引入了高斯先验，它促进围绕首选方向和幅度的局部平滑和单峰预测。在强化微调（RFT）和监督微调（SFT）的广泛实验中，我们的方法在分布内和分布外（OOD）场景中实现了样本效率和成功率的显着提高。通过与物理操作的内在动作容差相结合，FAN 引导的正则化为样本高效且可推广的 VLA 适应提供了一种有原则且实用的方法。