用 RL 微调 flow-matching VLA 策略 pi0 的论文代码
Star129
24h 新增+1
7 天新增—
Fork4
Issue0
语言Python
项目介绍
更新于 1 天前
FPO 是一篇 ICRA 2026 论文的官方代码，做的事情是用强化学习继续微调机器人操作模型 pi0。pi0 这类 Vision-Language-Action 模型靠模仿学习训练，遇到训练数据里没见过的情况就会失手，比如从侧面抓方块失败。FPO 的思路是把 PPO 式的策略优化搬到 flow-matching 策略上：由于 flow 模型算不出似然，它用条件流匹配损失的逐样本变化构造一个无似然的比率，配合裁剪目标和 Q 集成估计优势，在冻结的 pi0 外面套一个 actor-critic 做在线微调。论文里 LIBERO 四个套件的平均成功率从 85.5% 提到 87.2%，ALOHA Transfer Cube 从约 40% 提到 65% 以上。做机器人操作、VLA 模型或 flow-matching 策略强化学习的研究者和工程师值得看，普通算法工程师关系不大。
上手成本：中
Star 趋势
话题标签
alohaflow-matchingicra2026jaxliberoreinforcement-learningrobot-learningvision-language-action
仓库信息
| License | MIT |
| 创建时间 | 2026-10-29 |
| 最后推送 | 7 天前 |
| 热度分 | 3.0 |