面向错误恢复的重规划：通过动作分组Turn-GSPO可验证交互训练具身VLM

📋总体概括

研究团队针对具身VLM在操作执行出错后难以自主恢复的问题，提出可验证交互学习方案：构建提供任务进度与执行错误反馈的ERR-Env环境及涵盖正常、中间、错误三种状态的ERR-Bench基准，并设计在线强化学习方法Action-Grouped Turn-GSPO（AGT-GSPO），以轮次级奖励结合动作分组训练模型的重规划恢复能力，从依赖固定策略或失败样本的旧范式转向可验证的动作结果学习。