EXPO-FT:ロボット基盤モデルのための普遍的なポストトレーニング手法

研究者らは、ロボット基盤モデル向けの価値ベース強化学習手法であるEXPO-FTを提案する。この手法は、小さな編集ポリシーを用いて、凍結されたベースモデルの行動をより高い価値へと誘導し、最適な行動を選択・実行する。わずか19分のオンラインインタラクションで、複雑な操作タスクにおいて30/30の成功率を達成した。

研究者らは、ロボット基盤モデル向けの価値ベース強化学習手法であるEXPO-FTを提案する。この手法は、小さな編集ポリシーを用いて、凍結されたベースモデルの行動をより高い価値へと誘導し、最適な行動を選択・実行する。わずか19分のオンラインインタラクションで、複雑な操作タスクにおいて30/30の成功率を達成した。