arXiv · 机器人与计算机视觉· Diyuan Shi, Yiqi Tang, Hongyin Zhang, You Wu, Donglin Wang·· 2026-10-15AI 评分68
VLRLA:通过上下文强化学习的视觉语言动作模型部署期自适应
VLRLA: Deployment-Time Adaptation of Vision-Language-Action Models through In-Context Reinforcement Learning
AI 导读
VLRLA 是一个通用框架,为现有的视觉语言动作(VLA)模型赋予上下文强化学习能力,使其在部署期间利用历史观测、动作、奖励和终止信号进行策略微调。该方法保持模型参数固定,逐步优化动作生成并提升任务成功率,同时兼容多种学习历史构建策略与训练流程。实验表明,VLRLA 能在仿真环境中系统性地探索学习特性,并在真实世界部署中适应未见过的场景。
来源:arXiv · 机器人与计算机视觉 · arxiv.org