本文介绍了πRL框架，这是首个用于流式视觉-语言-动作模型的在线强化学习微调方法。通过结合流匹配与强化学习，πRL提升了模型的性能与泛化能力。研究者提出了Flow-Noise和Flow-SDE两种技术，增强了随机性探索，优化了训练过程，为复杂多任务机器人场景中的流式VLA微调提供了新思路。