视觉验证赋能推理时策略引导与自主策略改进

本文提出 VERITAS 框架，旨在使通用机器人策略在部署中通过经验学习实现自我改进。该框架结合预训练生成器与无梯度视觉验证器，在推理阶段评估动作以优化策略表现，无需额外训练数据。研究表明，推理时验证显著优于传统方法，且经验证的自生成轨迹可作为有效监督信号进行离线微调。该方法在无人类干预下，实现了与专家演示相当的改进效率，为机器人策略的 scalable 自我进化提供了实用机制。