本文讨论了一种轻量级的在线强化学习方法，用于微调视觉-语言-动作模型。研究者通过引入“RL token”提高样本效率，使得模型能够快速适应真实世界任务。该方法结合冻结的VLA和小型actor-critic网络，优化关键任务阶段的表现，旨在实现高效的在线微调，同时保持泛化能力。

本文探讨了一种双执行体强化学习框架，结合人类反馈优化视觉-语言-动作（VLA）模型。通过“对话与微调”机制，机器人在长时域操作中实现高效学习，成功率达到100%。该方法在多任务设置中展现出良好的样本效率和训练稳定性，适用于复杂的机器人操作任务。

本文介绍了DM0模型，这是一种面向体感智能的视觉-语言-动作（VLA）框架，旨在统一操作与导航。DM0通过多源三阶段训练流程，结合视觉、驾驶和体感数据，克服了传统模型的局限性，并在RoboChallenge基准测试中表现优异，展示了其在物理AI领域的潜力。

RISE是一个通过想象进行机器人强化学习的框架，旨在提升视觉-语言-动作模型在复杂任务中的鲁棒性。它结合动力学预测和价值估计，利用组合式世界模型生成高效学习信号，表现优于传统强化学习方法，能够有效应对动态适应性和精确性要求的任务。

本文介绍了GigaBrain-0.5M*模型，该模型通过世界模型增强了视觉-语言-动作（VLA）系统的能力。GigaBrain-0.5M*在GigaBrain-0.5的基础上，采用了基于世界模型的强化学习方法RAMP，显著提升了机器人在复杂任务中的表现，尤其在长时程任务中的前瞻性规划能力。

GigaBrain-0是一种新型视觉-语言-动作（VLA）模型，旨在通过整合视觉输入、自然语言指令和运动控制，提升机器人在多样环境中的操作能力。该模型利用生成的数据，降低对真实世界数据的依赖，提高泛化能力和数据效率。GigaBrain-0采用混合架构，增强空间感知能力，并通过生成中间推理步骤，模拟人类问题解决过程，实现更精确的操作和决策。

本文探讨了通过残差强化学习提升视觉-语言-动作模型的自我改进能力，提出了一种名为PLD的方法，包含在线专家获取、自动数据收集和监督微调三个阶段。该方法结合基础策略和强化学习专家，成功率超过99%。

本文探讨了视觉语言动作（VLA）与强化学习（RL）结合的必要性，提出了GR-RL框架，以提高机器人在长时域操作中的灵巧性和精确度。GR-RL通过离线RL过滤次优数据，增强动作并进行在线RL调整，解决了人类示范中的噪声和不匹配问题。尽管GR-RL在高精度任务中表现出色，但仍面临行为漂移等局限性。

本文讨论了改进版的π0.5及其在视觉-语言-动作（VLA）模型中的应用，强调知识隔离策略在保持VLM预训练能力的同时，解决模态差距和数据稀缺问题。通过引入专家混合架构，WALL-OSS模型增强了跨模态关联能力，提高了指令遵循和长时序任务的成功率。

本文探讨了将关节力矩信号融入视觉-语言-动作（VLA）模型的设计，以提升机器人在物理交互中的表现。研究表明，将即时和历史力矩信息编码为单一解码器token能取得最佳效果，结合动作和力矩的预测任务可进一步增强模型性能。实验验证了该方法在高接触和常规任务中的有效性与泛化能力。

谷歌DeepMind推出了Gemini Robotics On-Device，这是一个可在机器人硬件上本地运行的视觉-语言-动作基础模型，具备低延迟推理能力，适合本地应用。该模型是Gemini Robotics系列的最新版本，旨在解决延迟和连接性问题，并通过SDK支持开发者定制。

GRAPE是一种提升机器人策略泛化能力的算法，通过偏好对齐解决视觉-语言-动作模型在新任务中的泛化问题。实验表明，GRAPE在多种任务上表现优异，显著提高了安全性和效率。