Z-1：面向视觉 - 语言 - 动作模型的高效强化学习

视觉 - 语言 - 动作（VLA）模型为机器人操作提供了连接语言指令、视觉观察与连续控制的框架。然而，现有策略多受限于行为克隆或基于固定演示的监督微调，难以从自身失败中改进。本文提出 Z-1，一种针对基于流的 VLA 模型的强化学习后训练框架。Z-1 基于$π_{0.5}$构建，仅使用公开的 RoboCasa 演示进行初始化，随后在 24 个标准任务上应用任务级组相对策略优化（GRPO）。通过共享前缀展开、树状轨迹分支及完成感知奖励校准等机制提升效率与稳定性。实验表明，Z-1 平均成功率达 80.6%，较初始化提升 13.2%，超越当前最先进模型。