arXiv cs.RO 机器人学· Diyuan Shi, Yiqi Tang, Hongyin Zhang, You Wu, Donglin Wang·2026-10-15 12:00· 2 小时前精选AI 评分55

VLRLA：通过上下文强化学习实现 VLA 模型的部署期适应

VLRLA: Deployment-Time Adaptation of Vision-Language-Action Models through In-Context Reinforcement Learning

AI 导读

VLRLA 提出一个通用框架，为现有 VLA 模型加入上下文强化学习能力，使其在部署期通过历史观测、动作、奖励和终止信号持续改进动作生成并提升任务成功率，同时保持模型参数固定。该方法兼容多种学习历史构建策略与训练流程，实验在仿真中系统研究了其学习特性，并在真实部署中展示了对未见场景的适应能力。

推荐理由

论文指出预训练 VLA 策略缺少部署期随交互经验逐步适应的机制，可据此理解该框架要补的缺口。