碾压π0.5，复旦团队首创「世界模型+具身训练+强化学习」闭环框架

张家辉，复旦大学大数据学院博士三年级学生，研究方向为具身智能、视觉 - 语言 - 动作模型预训练与强化 学习后训练，4D-VLA (NeurIPS 25) 第一作者。黄泽，复旦大学大数据学院博士三年级学生，主要从事机器 人世界模型与三维重建、生成等方向研究。两人共同担任本文第一作者。 张 力 ， 复 旦 大 学 大 数 据 学 院 教 授 ， 上 海 创 智 学 院 全 时 导 师 ， 担 任 本 论 文 的 通 讯 作 者 。 主 页 ： https://lzrobots.github.io Vision–Language–Action（VLA）策略正逐渐成为机器人迈向通用操作智能的重要技术路径：这类策略能够 在统一模型内同时处理视觉感知、语言指令并生成连续控制信号。 然而，当前大多数 VLA 仍主要依赖模仿学习，实质上是按示范轨迹复刻，在分布发生偏移、任务形式变化 或操作时域拉长时，极易出现误差累积并导致任务失败。强化学习（RL）从回报信号出发直接优化任务成 功率，按理应当能够缓解这一目标错配问题，但在真实机器人上开展在线 RL 成本高昂，并行执行受限，还 伴随大量重置与标注开销；以 π*0.6 为代表的 ...