Evaluation-Guided Demonstration Refinement for Vision-Language-Action Policies: The Winning Entry in the MetaFine Open Competition

📄 arXiv: 2610.36765v1 📥 PDF

作者: Lifan Zheng, Guotao Chen, Zhenyang Li, Shujie Cui, Qiang Huang, Fan Liu

分类: cs.CV

发布日期: 2026-10-27

备注: 1st place in the MetaFine Open Competition, RoboFineMani Workshop @ CoRL 2026

💡 一句话要点

提出基于评估指导的演示优化方法以提升视觉语言动作策略

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 视觉语言 动作策略 演示优化 评估指导 机器人操作 多任务学习

📋 核心要点

  1. 现有方法在处理复杂视觉语言动作任务时，常出现抓取、推动和插入等操作失败的问题。
  2. 论文提出通过评估指导的方式，修订演示动作并添加专家延续，以优化策略的表现。
  3. 实验结果显示，优化后的策略在MetaFine开放竞赛中获得了96.66的高分，排名第一，显著提升了任务完成率。

📝 摘要（中文）

本研究针对MetaFine开放竞赛中的五个任务，分别微调了一个$π_{0.5}$策略，采用任务特定的训练混合和每次预测执行的动作数量。训练从官方演示和专家程序开始，通过局部评估发现了重复的抓取、推动和插入失败。我们通过修订演示动作并从策略达到的状态添加专家延续来解决这些问题，同时在训练中保留名义演示。每个指令的检查点进行了比较，以确保一个指令的提升不会掩盖另一个指令的损失。我们的提交MAI在总分上排名第一，得分为96.66。

🔬 方法详解

问题定义：本研究旨在解决在视觉语言动作任务中，现有策略在执行抓取、推动和插入等操作时频繁失败的问题。这些失败导致了任务完成率的降低，影响了整体性能。

核心思路：论文的核心思路是通过评估指导的方式，修订已有的演示动作，并在策略达到特定状态后添加专家的延续动作。这种方法旨在通过引入专家知识来弥补演示中的不足，从而提升策略的执行效果。

技术框架：整体架构包括以下几个主要模块：首先，从官方演示和专家程序开始训练；其次，通过局部评估识别失败的动作；然后，修订演示并添加专家延续；最后，进行多轮检查点比较，以确保每个指令的表现得到优化。

关键创新：最重要的技术创新点在于引入了评估指导的机制，通过对每个指令的独立检查，确保了在优化过程中不会出现某一指令的提升掩盖其他指令的损失。这种方法与传统的单一评估方式有本质区别。

关键设计：在参数设置上，采用了任务特定的训练混合和每次预测的动作数量。此外，损失函数设计上考虑了不同指令的表现，确保优化过程的全面性和有效性。

📊 实验亮点

实验结果显示，优化后的策略在MetaFine开放竞赛中获得了96.66的高分，排名第一，较基线方法显著提升了任务完成率。这一成果验证了评估指导方法在复杂任务中的有效性。

🎯 应用场景

该研究的潜在应用领域包括机器人操作、自动化制造和人机交互等场景。通过提升视觉语言动作策略的执行能力，可以在复杂环境中实现更高效的任务完成，具有重要的实际价值和广泛的应用前景。

📄 摘要（原文）

We fine-tuned a separate $π_{0.5}$ policy for each of the five tasks in the MetaFine Open Competition, with a task-specific training mixture and number of actions executed per prediction. Training started from the official demonstrations and expert procedures. Local evaluation exposed recurring grasping, pushing, and insertion failures. We addressed them by revising the demonstrated motions and by adding expert continuations from states the policy reached, while keeping nominal demonstrations in training. Checkpoints were compared on every instruction, so that a gain on one instruction could not hide a loss on another. Our submission, MAI, ranked first overall with a score of 96.66.