EXIMO：用 VLM 引导 VLA 策略的探索式微调

EXIMO 是一种面向 VLA 策略的高效微调算法，分探索、模仿、优化三阶段：探索阶段由 VLM 充当规划器，把长时程任务拆解为短任务，并与 VLA 协同采集数据集；模仿阶段用该数据微调 VLA；优化阶段再用残差 off-policy RL 进一步微调。实验显示其在样本效率和最终性能上显著优于现有方法。