VLRLA：部署时上下文强化学习适配VLA模型

2026年10月15日，arXiv Robotics 出现一篇由 Diyuan Shi 等作者提交的论文，提出 VLRLA 框架。据该报道，VLRLA 是一个让现有视觉-语言-动作（VLA）模型在部署阶段具备上下文强化学习能力的通用框架：模型参数保持固定，仅通过历史观测、动作、奖励和终止信号逐步优化动作生成并提升任务成功率。报道称该框架兼容多种学习历史构建策略与模型训练流程，实验在仿真中系统考察了其学习特性，并展示了其在真实部署中适应未见场景的能力。论文原文表述为“We therefore propose VLRLA, a general framework that equips existing VLA models with in-context reinforcement learning capabilities for deployment-time adaptation.”。截至该报道，事件进展为论文发布与框架介绍，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。