TMRL改进机器人策略训练

abhishekunique7 · x · 2026-07-10

转发内容介绍了 TMRL：作者认为 RL 无法教会模型解决从未遇到过的问题，机器人策略也有同样限制。该方法在预训练阶段给 policy 加入 diffusion noise，让动作分布更宽，从而给后续 RL 留下搜索空间，并声称可以在真实机器人上于一小时内完成 VLA 微调。