本文介绍了一种结合强化学习与视觉-语言-动作模型的微调方法ConRFT，旨在提升机器人任务的样本效率和安全性。ConRFT通过离线和在线两个阶段，利用人类示范数据和一致性策略，解决了传统方法在真实环境中的挑战，增强了智能机械臂的精准性和泛化能力。

该研究解决了现有视觉-语言-动作（VLA）模型因演示数据有限和不一致而导致的微调性能不足的问题。本文提出了一种名为ConRFT的强化微调方法，结合了离线与在线微调，以一致性为基础的训练目标，显著提高了模型在现实世界操控任务中的成功率，平均成功率达到96.3%。