CrossVLA migliora il post-addestramento VLA con DPO cross-paradigma

I ricercatori hanno introdotto CrossVLA, uno studio sul post-addestramento cross-paradigma per modelli Vision-Language-Action (VLA). Hanno sviluppato uno stimatore surrogato di log-probabilità per il flow-matching che consente l'ottimizzazione diretta delle preferenze (DPO) su backbone ad azione continua senza integrazione ODE del flusso di probabilità. Confrontando LoRA e DoRA per VLA DPO con parametri efficienti, DoRA ha migliorato OpenVLA SFT di una media di +10,4 punti percentuali su LIBERO 4-suite (600 prove, 3 seed), con guadagni per suite di +20,0 Object, +11,0 Long-horizon, +8,0 Goal e +2,7 Spatial, e varianza zero dei seed su Object (38/50 su ciascuno). Il lavoro colma il divario in cui DPO era stato studiato quasi esclusivamente su VLA autoregressivi come OpenVLA, estendendolo a modelli di flow-matching ad azione continua come pi-0.5.