1.复旦模联会

张家辉，复旦大学大数据学院博士三年级学生，研究方向为具身智能、视觉 – 语言 – 动作模型预训练与强化学习后训练，4D-VLA (NeurIPS 25) 第一作者黄泽，复旦大学大数据学院博士三年级学生，主要从事机器人世界模型与三维重建、生成等方向研究。

2.复旦大学模仿各国

两人共同担任本文第一作者张力，复旦大学大数据学院教授，上海创智学院全时导师，担任本论文的通讯作者主页：https://lzrobots.github.ioVision–Language–Action（VLA）策略正逐渐成为机器人迈向通用操作智能的重要技术路径：这类策略能够在统一模型内同时处理视觉感知、语言指令并生成连续控制信号。

3.复旦七大模块

然而，当前大多数 VLA 仍主要依赖模仿学习，实质上是按示范轨迹复刻，在分布发生偏移、任务形式变化或操作时域拉长时，极易出现误差累积并导致任务失败强化学习（RL）从回报信号出发直接优化任务成功率，按理应当能够缓解这一目标错配问题，但在真实机器人上开展在线 RL 成本高昂，并行执行受限，还伴随大量重置与标注开销；以 π*0.6 为代表的多轮离线 RL 范式在每一轮中仍高度依赖真实系统部署和人工干预，训练成本与迭代效率都存在明显瓶颈（需要一直有人类介入，一旦出现错误轨迹就人类接管操作，记录相应的数据）；另一方面，基于传统物理引擎（MuJoCo、Isaac sim）的强化学习又难以同时兼顾逼真度、场景多样性与工程可用性。

4.复旦gmim项目

针对上述问题，研究团队提出

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。