从方法范式和应用场景上看强化与VLA/Flow Matching/机器人控制算法

作者丨 Jeungtao 因为之前做过两年强化学习相关的工作，看到最近VLA也有一些突破，出于个人兴趣，业余时间学习了一下，也做了点笔记，分享到这里。主要是RL的Context 下这两年VLA/Diffusion Policy。最适合有一些RL背景，想了解一些新的进展的朋友阅读。如有疏漏敬请指出。分别从 方法范式 与 应用场景 两个维度展开。 一、方法范式 1. 传统强化学习（RL）/模仿学习 + Sim2Real 2. Diffusion Policy、Flow Matching与VLA模型 个人觉得VLA系列与传统RL一个根本性的区别是RL任务目标输入方式靠reward function，难以描述复杂的任务的过程和目标（比如何折衣服符合人类的喜好，折 好后放到哪里"reward"更大，如何收拾桌面符合人类"整洁"的定义，这些都是比较模糊的，更进一步地，一些长程任务如餐后收拾桌面和洗餐具、洗衣服烘干和 晾晒等，则更难用reward shapping规则化地描述）； 编辑丨具身智能之心 原文链接： https://zhuanlan.zhihu.com/p/1940101671704327220 点击下方 卡片 ...