#后训练 (5)

HIL-UMI：把 VLA 人在环后训练搬离机器人本体

HIL-UMI 用手持 UMI 夹爪做人机在环 VLA 后训练：人在演示时，同一观测流上并行跑当前策略但不执行其预测，用 Energy Score 比较人类动作块与策略动作分布，超阈值即判为分布外（OOD）并触发定点采集；另一条回路上，在线优势预测偏低的片段被收来重训基于任务进度的优势估计器，再由它给数据打二元优势标签做优势条件行为克隆（ACBC）。四个真机任务上持续优于 SFT，Stack Cube 三轮后 TPS 84→100；对比真机 HG-DAgger，Clean Up Table 每帧采集时间 73.40ms 对 412.99ms，快 5.63 倍且末轮 TPS 高约 5 分。

Han, Zimu, Zeng, Yiming, Zhang, Jiyao2026年9月17日

视觉语言动作模型Human-in-the-Loop后训练2026年9月17日

本地优先智能体：私密且低成本的知识工作

Perplexity 公布 Portable Computer 的设计细节：模型、harness、对话与轨迹全部默认驻留本地，仅在用户授权时按需调用网络搜索、连接器或云端顾问模型。团队围绕 Qwen 3.8 27B 定制精简本地 harness（按需 skill、CLI 化连接器、自我验证、沙箱执行），并后训练出 PPLX 27B。在 53 任务的 Local Knowledge Work Bench 上，Computer 以 82.6% 领先 Hermes（74.0%）与 Pi（77.6%），PPLX 27B 进一步提升至 85.4%；BrowseComp 研究准确率 66.7%、ParseBench-100 多模态解析 65.1%，均大幅领先且耗时与 token 最少；advisor 升级在 Terminal Bench 2.1 上以约前沿三分之二的 API 成本挽回约五分之三的差距。

博客

local-firstPerplexityharnessDGX Spark本地优先

Robust-WAM：桥接世界-动作模型的生成式预训练与语义前瞻

提出视频生成式世界-动作模型的通用后训练方法，保留 VAE 潜空间的生成路径并添加轻量语义前瞻对齐目标，用可学习查询 token 将未来场景语义引入动作流，使动作基于外观不变的动态表示，在 OOD 泛化仿真和真机上持续提升多种 WAM 基线成功率。

Haodong Yan, Junfeng Li, Junjie He2026年8月6日

VAERobust-WAM世界模型2026年8月6日

弥合实验室到店铺的鸿沟:面向零售人形机器人的数据高效后训练与经验驱动学习VLA框架

VLA人形机器人从基准性能到可靠真实部署存在巨大鸿沟。本文提出DEED(数据高效后训练与经验驱动学习)系统级方法,在超市薯片补货任务上用Unitree G1-Edu人形与GR00T N1.6基础模型评测。DEED含三部分:(1)数据高效后训练流水线——控制频率对齐、数据策展、任务相关视觉高亮、降低VLA依赖;(2)经验驱动精炼,改编自RECAP,用文本优势前缀与视觉语言价值函数适配GR00T解耦架构;(3)潜空间分布内外分析工具。结果表明弥合实验室到店铺鸿沟主要是系统集成而非架构挑战:精细数据设计与定向后训练用单GPU即可将朴素微调下失败的策略转为胜任的真实系统。

Roger Sala Sisó, Tiago Silvério, Jakob Sand2026年7月22日

视觉语言动作模型人形机器人零售2026年7月22日

JoyNexus:VLA模型面向服务的多租户后训练

面向VLA模型后训练的多样性需求,提出面向服务的多租户后训练平台,解决传统独占式GPU分配对短时突发任务不经济的问题。

Haoran Sun, Wentao Zhang, Junyang Hua2026年7月17日

视觉语言动作模型后训练多租户2026年7月17日