AtomicRL：面向长程机器人操作的原子强化学习

AtomicRL 用原子任务结构改进 VLA 长程操作的强化学习后训练。

资讯摘要

论文提出 AtomicRL，一种利用原子任务结构的 VLA 强化学习后训练框架。它通过语义感知策略优化（SAPO）限制失败子任务的 TD 残差跨任务边界传播，并用瓶颈自适应目标探索（BATE）按各原子子任务掌握程度调整采样与局部探索。作者报告在 LIBERO-LONG 上较 PPO 提升 3.6% 和 4.0%，CALVIN ABC-D 全任务最高提升 9.5%，结合 Real2Sim2Real 管线后真实任务平均提升 21.3%。

要点速读

1. SAPO 用语义感知门控约束失败原子子任务的 TD 残差跨边界传播，保留子任务内信用分配与价值自举。
2. BATE 依据各原子子任务掌握度动态协调任务采样与局部探索激励，将学习导向剩余瓶颈。
3. 作者报告 LIBERO-LONG 较 PPO 提升 3.6%/4.0%，CALVIN ABC-D 全任务最高 9.5%，真实任务平均提升 21.3%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。