最近半年，VLA 在机器人策略学习上的惊艳表现，让“用规模推动智能”再次成为可能，也被视为通往通用智能的重要路径。强化学习被普遍认为能进一步释放 VLA 的潜力。但现实却很骨感：缺少成熟的 RL 框架、难以复用的代码结构、高昂的显卡开销，都让新算法的开发门槛居高不下。

为了解决这些痛点，我们打造了 RLinf-VLA ——一个统一、高效、可扩展的 VLA 强化学习框架，让你能专注于算法本身，而不是在工程复杂度里挣扎。它不仅优化了训练与推理的资源利用，还在架构上为多种仿真器、VLA模型和 RL 算法支持。

https://arxiv.org/pdf/2510.06710

12月2日（周二）晚8点，青稞Talk 第94期，RLinf 强化学习框架 VLA 部分的核心开发人员之一、清华大学交叉信息研究院本科生臧宏之，将直播分享《RLinf-VLA 实践：从零上手 VLA（OpenVLA ）强化学习》。

在本次直播中，我们将深入讲解 RLinf-VLA 的设计思路、系统结构与实际性能。

分享嘉宾

臧宏之，清华大学交叉信息研究院本科生，研究兴趣在强化学习与机器人学习。RLinf 强化学习框架 VLA 部分的核心开发人员之一。

主题提纲

RLinf-VLA 实践：从零上手 VLA（OpenVLA ）强化学习

1、RLinf-VLA 的设计思路与系统架构
2、关于 VLA+RL 的算法技术设计： PPO / GRPO 等
3、OpenVLA 的微调实践
4、AMA （Ask Me Anything）环节

直播时间

12月2日20:00 - 21:00