DreamVLA：生成动作引导仿真RL训练人形VLA

2026年11月10日，arXiv Robotics 刊出 Kevin Park 等作者的论文，提出 DreamVLA 方法：用生成的人体动作轨迹引导仿真中的强化学习，把轨迹转成可靠的任务执行轨迹，从而在没有新任务遥操作数据的情况下训练人形机器人视觉-语言-动作（VLA）策略。报道称，其核心是参考条件化的 DAgger 蒸馏流程——学习器 rollout 失败后，从采样的学习器状态以相同参考后缀重启 RL 专家，汇总成功的纠正轨迹，以缓解离线模仿留下的分布偏移。目前该工作处于论文发布阶段，尚无后续跟进报道披露实验结果、开源情况或实际部署验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。