arXiv cs.AI· Yun Zhu, Da Wang·· 4 小时前AI 评分35
TAD：仅用教师轨迹蒸馏视觉-语言-动作策略
TAD: Distilling Vision-Language-Action Policies from Teacher Trajectories Alone
AI 导读
TAD 用判别器比较教师与学生 rollout 的 joint-position 特征分布并生成奖励，实现仅靠教师轨迹的 on-policy 蒸馏，学生无需在线查询教师或环境任务奖励。
来源：arXiv cs.AI · arxiv.org