MART-GRPO：VLA强化学习的截断反馈方法

2026年10月26日，arXiv cs.AI 报道了 MART-GRPO，一种面向 VLA 强化学习的方法。该方法用经 LoRA 微调的 VLM 在完整 rollout 视频中定位最后一个未被恢复的可见错误，并据此截断 GRPO 的失败反馈，避免把失败 rollout 中有用的恢复尝试一并惩罚。在 RoboTwin 2.0 上使用 OpenVLA-OFT 测试时，MART-GRPO 在多个任务上的成功率高于全轨迹 GRPO。报道未给出具体任务名称、成功率数值或与其他基线的对比。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。