Odysseus：通过强化学习将视觉语言模型扩展至游戏中的 100+ 回合决策

针对视觉语言模型（VLM）在长程交互决策中的局限，本文提出 Odysseus 框架，利用强化学习在《超级马里奥乐园》中实现超 100 回合的协同感知、推理与行动。研究设计了适配的 PPO 变体及轻量级回合批评家，显著提升训练稳定性与样本效率。实验表明，预训练 VLM 提供的动作先验优于从头训练的深强化学习，模型在游戏内及跨游戏泛化中表现卓越，平均进度提升至少三倍，同时保持通用领域能力，为具身智能体的长程规划提供了关键指导。