跳转至

Read this paper write-up in English

DriftOPD: Sequence-Level Reverse-KL Distillation for One-Step VLA Policies

复现级别：L1 核心机制诊断。 执行 objective 分解和 teacher stop-gradient；未运行机器人环境。

论文信息

字段 内容
论文链接 arXiv v1
公司/机构 KAIST（按第一作者署名单位）
首次公开日期 2026-09-29（arXiv v1）
原文开源代码 否：截至 2026-10-03 未找到原作者公开实现
Adapter drift-opd
本地复现代码 src/auto_research/post_training/latest_20261003.py

原始论文总结

背景与主要改动

把序列级 reverse-KL 拆成当前 chunk 的一步 reverse-KL 与刻画长期动作后果的 future potential；critic 从离线 demonstrations 学习。

flowchart LR
  I[输入与当前状态] --> M[drift-opd 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或状态更新]

原论文关键图

DriftOPD: Sequence-Level Reverse-KL Distillation for One-Step VLA Policies 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文的训练流程与关键优化环节。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(L=KL(\pi_S\|\pi_T)-\lambda E[V_{future}]\)。

论文离线与线上效果

论文在连续 VLA 策略上报告无需在线 rollout 的长程任务改进。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组执行定义性算子；L1 不报告正式相对提升，百分比不适用。

复现边界

执行 objective 分解和 teacher stop-gradient；未运行机器人环境。