机器人示范之外还能继续学：RoboFFT复用加噪损失做强化学习后训练，真机抓取茄子20次全成
北大-灵初联合实验室的RoboFFT被CoRL2026接收，它把扩散模型和流模型预训练时的前向加噪损失改造成近似概率比，让生成式机器人策略能按任务成败反馈做PPO式后训练。验证覆盖Robomimic仿真任务、视觉语言动作模型π₀的流式动作头和四项真机操作任务；抓取茄子任务在相同数据预算下，仅汇集数据做行为克隆为14/20，离线后训练18/20，在线后训练20/20。
北大-灵初联合实验室的RoboFFT被CoRL2026接收，它把扩散模型和流模型预训练时的前向加噪损失改造成近似概率比，让生成式机器人策略能按任务成败反馈做PPO式后训练。验证覆盖Robomimic仿真任务、视觉语言动作模型π₀的流式动作头和四项真机操作任务；抓取茄子任务在相同数据预算下，仅汇集数据做行为克隆为14/20，离线后训练18/20，在线后训练20/20。
已读完全部报道