告别专家依赖，让机器人学会自我参考，仅需200步性能飙升至99.2%

复旦大学、同济大学与上海创智学院团队联合提出自参考策略优化（SRPO）框架，通过利用模型自身成功轨迹生成渐进式奖励，有效缓解VLA强化学习中的奖励稀疏问题。该方法无需依赖专家示范或人工奖励设计，在LIBERO榜单上实现99.2%的成功率，较基线提升显著，并在LIBERO-Plus泛化任务中性能提高167%。仅用约200步训练即大幅超越传统方法，真机测试中开源模型成功率最高提升86.7%，展现出高效性、强泛化与创造力激发潜力。
来源：https://mp.weixin.qq.com/s/KkpgUoxGJWd8NcSR1RTHwA