西门子联手伯克利发布ARLI 解决VLA推理延迟下RL微调难题

西门子与 UC Berkeley Sergey Levine 团队联合发布 ARLI（Asynchronous RL with Intermediate Information）框架，通过论文《Learning to Act While Waiting》提出在异步推理带来延迟的现实条件下，仍能对通用机器人策略（VLA）进行有效的强化学习微调，解决了异步推理破坏训练稳定性的难题，为真实机器人的 RL 微调铺平道路。

2026-09-22 ~ 2026-09-22 · 2 条相关

• Siemens 携手伯克利发布 ARLI：推理延迟下也能对 VLA 做 RL 微调 — svlevine · 2026-09-22
• ARLI 框架解决 VLA 推理延迟难题,RL 微调真实机器人不再失效 — oier_mees · 2026-09-22