斯坦福 Real-Time EXPO-FT 让 VLA 机器人实时操控

斯坦福 Perry Dong、Chelsea Finn 等人发布 Real-Time EXPO-FT，一个针对实时 VLA（视觉-语言-动作）策略的强化学习微调框架，解决预训练大模型推理缓慢、难以实时控制的问题。方法上通过两路拆分：异步路径由冻结的 VLA 持续生成候选动作块，配合另一路径实现低延迟响应，使原本缓慢的 VLA 模型可用于实时机器人操控，让机器人动作能实时追上物理世界。

2026-09-22 ~ 2026-09-24 · 2 条相关