MEKAWIRE
上級arXiv

WoVR+: World Model as Reliable Simulator for Versatile VLA Policy Optimization with RL

Shangqing Zhou, Zhennan Jiang, Ning Ma, Xin Fu, Yupeng Zheng, Shuai Tian, Huangrui Li, Jiahao Liu, Chao Yu, Zhongpu Xia, Haoran Li, Dongbin Zhao
論文原文 論文全文を読む（PDF）
日本語版は未提供のため、英語原文で表示しています。
要旨より

Action-conditioned world models can reduce costly real-robot interaction in reinforcement learning for Vision-Language-Action models (VLA-RL), but hallucinations can mislead policy optimization. Extending them to richer VLA interfaces and long-horizon tasks raises challenges in spatiotemporal and cross-modal consistency, exploration-reliability balance in RL, and compounding rollout errors.

要旨より。当社による要約は作成中です。

この論文はライセンス上、全文を転載できないため、要約と原文へのリンクのみを掲載しています。