Tags: #robot post-training

VLA-OPD 论文精读：用 On-Policy Distillation 连接 VLA 的 SFT 与 RL

精读 VLA-OPD：让学生 VLA 在自己走出的状态上接受教师的 token-level dense supervision，并用 Reverse-KL 同时获得 SFT 的效率与 RL 的闭环鲁棒性。

17 min read