EXPO-FT：VLA 实时强化学习微调

视频加载中

视频加载中

轻量编辑策略在最新观测下实时修正 VLA 动作候选，价值函数在线择优并回流训练；四个动态真机任务在 10 分钟数据内将平均成功率从 42% 提升至 97%。