在线蒸馏视觉-语言-动作（VLA）策略时，常需要教师的动作分数，而仅提供推理接口的模型往往无法获得这些分数。轨迹仅对抗蒸馏（\gad{}）通过将教师的关节位置特征库转化为自适应反馈来解决此问题：判别器比较教师和学生在回滚过程中的特征边缘分布，并为学生的在策略学习提供奖励。学生在交互过程中既不查询在线教师，也不依赖环境任务奖励。实验在 ManiSkill \texttt{PutOnPlateInScene25Main} 环境中进行，\gad{} 将 OpenVLA-OFT（7B）的成功率从 $26.2\%$ 提升至 $76.6\%$（提升 $50.4$ 个百分点），并将另一指标从 $20.3\%$ 提升至 $58.6\%$。相较于白盒在线蒸馏（OPD）的 $81.6\%$ / $59.4\%$，\gad{} 仅低 $5.0$ / $0.8$ 个百分点（每个检查点评估 $256$ 条轨迹）。四轮继续训练的最佳实验在不使用额外教师数据的情况下取得最高 \gad{} 成绩。该最佳运行使用了 OPD 学生交互预算的 $5\times$，以及完整回滚批次的 $12.5\times$。对比结果表明，在没有教师评分的情况下也能实现 VLA 策略的在线提升，并量化了交互与优化预算的不等价性。
点评