CRL-VLA：持续视觉 - 语言 - 动作学习

针对具身智能体在开放世界中的终身学习需求，本文提出 CRL-VLA 框架，旨在解决持续强化学习中稳定性（保留旧技能）与可塑性（学习新技能）的权衡难题。该框架通过理论推导建立了性能边界，并采用不对称调节机制：利用双评论家架构和新型目标条件价值公式，冻结评论家以锚定语义一致性，训练估计器以驱动适应。实验表明，该方法在抗遗忘和前向适应方面均优于基线，有效协调了冲突目标。