DRIVE 将成功轨迹多样性变为 RL 目标，在仿真与真机上提升 VLA 分布外泛化
作者分析了视觉-语言-动作（VLA）策略的强化学习微调（RFT）如何重塑探索行为，发现 RFT 在整体行为分布收缩的同时使成功轨迹更加多样、更易被采样、覆盖更广的任务有效解空间；据此提出 DRIVE，将匹配任务条件下分组轨迹的时序对齐相似度转化为仅对成功轨迹生效的内在奖励，在 LIBERO-Plus、ManiSkill3、RoboTwin 2.0 上提升分布外成功率，并在双臂 AgileX PiPER-X 平台上将平均分布外成功率从 64.1% 提升到 73.3%。