斯坦福新法解决 VLA 推理延迟：10 分钟数据把成功率从 42% 提到 97%
burny_tech · x · 2026-09-21
斯坦福 Chelsea Finn、Dorsa Sadigh 团队发布论文《Reinforcement Learning for Real-Time Vision-Language-Action Policies》，直击 VLA 模型做实时机器人控制的核心痛点：模型太大导致推理延迟高，执行动作时观测早已过期，形成分布偏移、可靠性大降。
核心思路
- 解耦「慢而强」与「快而reactive」：大型预训练 VLA 在后台慢速提出动作块（action chunks），提供强行为先验；
- 一个轻量级 RL 策略基于最新观测，实时对动作进行编辑与选择，弥补延迟造成的观测滞后；
- 构建在 EXPO-FT 框架之上，称为 Real-Time EXPO-FT，首次让 RL 微调满足动态真实操控的实时控制要求。
效果
- Kinetix 基准上，带延迟的策略在全部 10 个环境中超过所有非延迟方法；
- 四个动态真实任务（传递物体、平衡球、桌上足球、抓取动态物体）中，在线机器人数据仅 10 分钟，平均成功率从 42% 提升到 97%。
「具身」频道最新
- 用 Backplane「提示词造出」任意扩展卡,网友呼吁扩展口回归标配 — _Stocko_ · 2026-11-12
- CoRL 联合主席忆 2021 展区仅三张桌，对比 2026 规模感概行业巨变 — Ed__Johns · 2026-11-12
- keerthanpg:机器人学家仍不接受苦涩教训,CoRL 现场五阶段哀伤 — keerthanpg · 2026-11-12
- SynthICL：纯合成数据训练，单演示泛化 16 项真实操作任务 — Ed__Johns · 2026-11-12
- 8 小时、$94 API 费用：Claude 给机器狗装上激光雷达和大脑 — chrismatthieu · 2026-11-12
- 优必选向永达汽车售 400 台 U1 Pro 仿生人形机器人，约值 6800 万元 — CyberRobooo · 2026-11-12