RECAP

RL with Experience and Corrections via Advantage-conditioned Policies常用

PI 公司让 VLA 从自己的运行经验和人工纠正中持续变强的训练方法。

RECAP 是 Physical Intelligence 在 2025 年 11 月随 π*0.6 发布的训练方法。纯模仿学习最多学到演示的水平，而机器人部署后会产生大量成功、失败和人工接管的数据。RECAP 把三类数据放在一起用：离线演示、机器人自主运行的轨迹、专家在运行中遥操作介入的纠正。它先训练一个价值函数，预测离任务完成还剩多少步，据此判断每个动作比平均水平好还是差（优势），再把「Advantage: positive / negative」作为文本 token 输入策略一起训练；推理时以 positive 为条件，让模型输出更好的动作。部署、重训价值函数、微调策略可以反复迭代。在叠衣服、组装纸箱、做咖啡等任务上吞吐量翻倍以上、失败率约减半。