本研究提出了一种价值引导政策引导（V-GPS）方法，旨在解决通用机器人在多样化演示数据集上训练时的性能不一致问题。该方法通过离线强化学习的价值函数重新排序机器人的动作，显著提升了不同架构的机器人政策在多种平台和任务上的表现。