NVIDIA 等团队论文:放开 VLA 梯度回传,操作任务进度翻三倍
stepjamUK · x · 2026-11-10
主流 VLA 训练配方通常阻断 action expert 对底层 VLM 的梯度回传。Asher Hancock、Marco Pavone 与 NVIDIA、普林斯顿、斯坦福团队的新论文独立变量化了两个因素：VLM 是否同时预测离散 action token，以及 expert 的梯度是否回传进 VLM。
结果：
- 开环驾驶中，若 action token 开启，阻断梯度代价不大
- 若 action token 关闭，放开梯度可将轨迹误差降低约 25%
- 闭环才是关键：从零联合训练时，放开梯度使驾驶路线进度从 0.600 升至 0.703（即使 action token 开启）
- 操作任务中，π0.5 复现版本无 FAST 时任务进度从 10.3% 升至 32.9%，有 FAST 时从 19.5% 升至 30.7%；MolmoAct2 同向改善
结论：阻断梯度的默认做法值得重新审视。
「具身」频道最新
- 博主用 MiniMax H3 Image 打造 1 型糖尿病主题 AAA 游戏概念 — CurieuxExplorer · 2026-11-10
- MemoriesUpload 上线：第一人称视频教机器人学会人类的下意识修正 — kimmonismus · 2026-11-10
- ADAPT 登陆 CoRL:端到端扩散策略实现人形机器人语言控制 — breadli428 · 2026-11-10
- 焊接机器人 Path Robotics 融资 3 亿美元，估值 24.5 亿、营收 18 个月涨 17 倍 — Rewkang · 2026-11-10
- 新 ContactRich 基准发布，专测外观相同但接触行为不同的物体 — leto__jean · 2026-11-10
- 机器人分拣评测:Claude Fable 5.2 完成8720,GPT-6 Astra 仅得8和7 — qinzytech · 2026-11-10