VLA 微调样本效率实测：π0.5 所需演示数据比 π0 少 2-5 倍
rahulshivchand · x · 2026-11-11
论文《How Many Demonstrations Does a VLA Need?》系统研究了 6 个 VLA 模型(π0、π0.5 及 GR00T N1-N1.7)在 4 个 LIBERO 套件上的微调样本效率。
核心发现
- 全数据微调会掩盖模型间差异：在完整 LIBERO-Spatial 上相差不到 2 分的模型，在仅 50 条演示下成功率可相差 3 倍
- π0.5 是所有数据预算下最省样本的模型，所需演示数据比 π0 少 2-5 倍，长时程任务差距最大
- GR00T 系列中，N1.5 在 4 个套件中 3 个的适配效率优于零样本更强的 N1.6/N1.7
- 机制分析：微调时冻结 VLM 会严重损害 π 系列(VLM 与动作专家联合预训练)，但对 GR00T 几乎无影响
作者指出，比较 VLA 的样本效率与比较零样本性能同样重要——更少演示意味着更少数据采集与更快下游适配。
所属事件:新论文量化 VLA 样本效率：π0.5 最省演示数据(9 条相关)→
「具身」频道最新
- 伯克利 Social Humanoid:让 Unitree G1 学会与人社交互动 — berkeley_ai · 2026-11-11
- 学界泼冷水：机器人未解决，最佳模型距产线部署差六个数量级 — ZeeshanZiaML · 2026-11-11
- MacBook 真有屏幕角度传感器,博主用 Codex 亲手验证 — lipeng0820 · 2026-11-11
- DynaRobotics 机器人 CoRL 现场演示，观众直呼想抱一台回家 — JasonMa2020 · 2026-11-11
- 人形机器人工厂搬曲轴：15 周训练后仍需每 6 分钟人工接管 — ZeeshanZiaML · 2026-11-11
- CoRL 2026 现场名场面：「触觉重要但触觉反馈不重要」「你为什么在乎延迟？」 — breadli428 · 2026-11-11