VLA-Precision: Asymmetric Co-Bootstrapping for Real-World Online RL of VLAs

VLA-Precision提出了一种高效的真实世界在线强化学习框架，包含非对称协同自举（ACoB）算法和ACoB-Stream架构。ACoB在不同时间尺度上建立非对称协同自举：早期干预引导的行为学习快速提升策略性能同时增强在线经验质量；随着自主经验积累，全局回报传播和局部偏好排序逐步校准价值估计。该框架解决了VLA在线RL中样本效率低和真实世界数据收集困难的问题，适用于需要在线适配和持续学习的机器人操作场景。