新研究：机器人策略预训练越多越可靠，却可能损害后续微调上限

siddkaramcheti · x · 2026-11-05

Zhanyi 等人（与 Shuran Song 合作）的新论文发现：对生成式机器人策略继续做监督预训练，能提升任务执行的可靠性（reliability），但会以牺牲覆盖度（coverage）为代价，而这一权衡会直接影响下游 posttraining 效果——即更多预训练可能提高成功率，却让策略更难被微调优化。

论文解释了该现象的成因，并给出保持 coverage 的方法。Max Simchowitz 评价称，LLM 领域用 perplexity 这类指标即可预测后训练表现，机器人领域至今缺乏对应物，这项工作是填补该空白的重要第一步。