点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Weijia Wu等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 出发点与工作背景 近年来，强化学习（RL）与视觉智能交叉领域的进展催生了这样一类智能体：它们不仅能感知复杂的视觉场景，还能在其中进行推理、生成和行动。本篇综述 对视觉强化学习这一交叉领域进行了关键且最新的综合分析，先将该问题形式化并追溯相关策略优化策略的演变，再把 200 多篇代表性研究成果归纳为多模态大 型语言模型、视觉生成、统一模型框架和视觉 - 语言 - 动作模型四大主题支柱，考察各支柱的算法设计、奖励工程和基准进展并提炼趋势，最后回顾评估协议， 指 出 开 放 挑 战 ， 旨 在 为 研 究 人 员 和 从 业 者 提 供 该 领 域 的 清 晰 地 图 并 强 调 未 来 有 前 景 的 研 究 方 向 。 相 关 资 源 可 在 以 下 网 址 获 取 ： https://github.com/weijia ...

图 1：代表性视觉强化学习模型时间线。该图按时间顺序概述了 2023 年至 2025 年的关键视觉强化学习（Visual RL）模型，并将其分为四个领域：多模态大语 言模型（Multimodal LLM）、视觉生成（Visual Generation）、统一模型（Unified Models）和视觉 - 语言 - 动作模型（VLA Models）。 在 大语言模型（LLM） 的江湖里， 强化学习（RL） ，特别是带有 人类反馈的强化学习（RLHF） ，早已不是什么新鲜词。正是它，如同一位内 力深厚的宗师，为 GPT、Qwen、DeepSeek 等模型注入了"灵魂"，使其回答能够如此贴合人类的思维与价值观。这场由 RL 主导的革命，彻底改变 了我们与AI的交互方式。 然而，当所有人都以为强化学习的舞台仅限于文字的方寸之间时，一股同样的浪潮，正以迅雷不及掩耳之势，"卷"向了另一个更为广阔的领域—— 计算机视觉（CV） 。 点击下方 卡片 ，关注" 大模型之心Tech "公众号 戳我 -> 领取大模型巨卷干货 >> 点击进入→ 大模型技术 交流群 本文只做学术分享，如有侵权，联系删文 写在前面 当RLHF"卷入"计 ...