OpenVLA-OFT

斯坦福提出的 VLA 微调配方，让 OpenVLA 动作生成快 26 倍、成功率更高。

OpenVLA-OFT 是斯坦福 Moo Jin Kim、Chelsea Finn、Percy Liang 在 2025 年 2 月提出的 VLA 微调配方。原版 OpenVLA 把动作离散成 token 逐个自回归输出，推理慢，难做高频控制。OFT 在微调时改了四处：并行解码（一次前向算出全部动作）、动作分块（一次预测多步）、连续动作表示、L1 回归损失；OFT+ 再加 FiLM 特征调制，加强对语言指令的跟随。结果 LIBERO 平均成功率从 76.5% 提到 97.1%，动作生成吞吐提升 26 倍，在 ALOHA 双臂真机上也胜过 π0、RDT-1B 等微调后的 VLA。它常被当作 VLA 微调的强基线。

例子在 LIBERO 上微调 OpenVLA 时，把输出从逐个吐出的离散动作 token 改成一次前向回归出一整段连续动作，推理吞吐大幅提升，成功率也更高。

也叫

OFT、OpenVLA-OFT+、VLA 优化微调配方

相关

OpenVLA、视觉-语言-动作模型、动作分块、并行解码、FiLM 特征调制、LIBERO

来源

OpenVLA-OFT 项目主页
Fine-Tuning Vision-Language-Action Models: Optimizing Speed and Success (arXiv:2502.19645)

信息截至

2025-04