OGPO：面向可恢复视觉-语言-动作模型的离线目标条件策略优化

📋总体概括

arXiv新论文提出OGPO框架，针对当前VLA模型后训练依赖轨迹级监督模仿的缺陷：逐步复现专家动作使策略偏向示范特定动作路径，一旦执行偏离就缺乏回到任务进度状态的恢复能力。OGPO不再把离线示范仅当逐步动作标签，而是自适应地用语义关键状态重标注轨迹，构建目标条件过程奖励来优化策略，从而让视觉-语言-动作模型学会偏差后的自我恢复，提升真实操作场景中的鲁棒性。