算法框架： 点击下方 卡片 ，关注" 具身智能 之心 "公众号 强化学习如何提升VLA泛化能力 清华大学、上海期智研究院、北京中关村科学院通过强化学习微调（PPO算法）显著提升视觉-语言-动作模 型（VLA）的泛化能力： 1)执行任务成功率提升42.6%（OOD场景） 2)语义理解任务成功率从61.5%提升至75.0%（未见物体） 3)动态干扰场景成功率从28.6%跃升至74.5%（Tab 3） 主要贡献： 论文标题：What Can RL Bring to VLA Generalization? An Empirical Study 论文链接：https://arxiv.org/pdf/2505.19789 1. 构建了一个严谨且具有挑战性的基准，用于评估 VLA 微调方法在视觉、语义和执行等不同维度上对泛 化能力的影响。 2. 确定 PPO 是优于 GRPO 和 DPO 的 VLA 微调 RL 算法，并讨论了将这些 RL 算法从 LLM/VLM 范式适 配到 VLA 独特需求时的关键挑战。 3. 开发了一种高效的基于 PPO 的 VLA 微调方案，该方案借助共享的 actor-critic 骨干网络、VL ...