ROAD-VLA:面向在线自适应的 VLA 后训练

arXiv: 2606.25800(ROAD-VLA: Scalable Online Post-Training for VLA Models with Self-Distillation) | 时间: 2026.06 | 路线: VLA · online post-training / self-distillation ← 返回 VLA 总览 · VLA 在线 RL

TL;DR

ROAD-VLA 的关键词是 online post-training。它承认一个现实:预训练 VLA 到了真实部署场景,一定会遇到训练集没覆盖的相机、物体、摩擦、初始位姿和用户指令分布。与其只靠离线数据,不如让模型在部署中持续吸收在线经验。

它和 FORCE 的共同点是“VLA 后训练”,区别是 ROAD-VLA 更强调在线扩展和自蒸馏:把模型在新分布下的经验重新组织成可训练信号,让策略逐步适应。

问题

VLA 的泛化常被两个分布偏移击穿:

• 视觉偏移:光照、背景、相机位姿、遮挡。
• 动力学/任务偏移:物体质量、摩擦、摆放方式、长程步骤组合。

如果每次偏移都重新人工采集大量演示,成本太高;如果完全不更新,模型又会反复犯同样错误。

方法位置

ROAD-VLA 的价值在于把 VLA 从“一次训练后冻结”推向“部署后可继续学习”。这也是 2026 年 VLA 从 demo 走向产品化必须补上的训练环节。

谱系位置

• 与 SimpleVLA-RL 和 FORCE:同属后训练,ROAD-VLA 更强调在线数据规模化和自蒸馏。
• 与 MemoryVLA:MemoryVLA 让模型在上下文内记住历史;ROAD-VLA 则把新经验写回参数或训练集。
• 与 π0.7:π0.7 强调可操控和组合泛化;ROAD-VLA 更偏部署分布下的持续适应。

局限与待核

• 在线数据如果质量不控,自蒸馏可能把错误策略固化。
• 需要明确安全边界:哪些失败可以探索,哪些失败不能在线试错。
• 目前按预印本作者自评处理,尤其要看 online buffer、更新频率和硬件成本。

来源

• arXiv:2606.25800 ROAD-VLA: Scalable Online Post-Training for VLA Models with Self-Distillation.