直播预告 | Robo-ValueRL：毫米级 VLA 强化学习方案让机器人走进工厂

北京时间10月21日（周三）19:00，将门-TechBeat人工智能社区组织的线上 Talk《Robo-ValueRL：毫米级 VLA 强化学习方案让机器人走进工厂》将在视频号准时直播。

本次直播我们很开心邀请到——中国人民大学高瓴人工智能学院长聘副教授、博导胡迪、中国人民大学直博生夏文科。本次分享以 Robo-ValueRL 为主线，从机器人如何判断任务进展、识别有效动作出发，介绍价值估计如何支撑离线学习与在线优化。结合毫米级芯片插装与积木拆解等真机实验，展示机器人持续改进与自主纠错的过程，并探讨数据采集、质量评估、策略更新和真实验证如何形成相互反馈的闭环。

点击下方“预约”，锁定直播

直播介绍

主题：Robo-ValueRL：毫米级 VLA 强化学习方案让机器人走进工厂

时间：北京时间 2026 年 10 月 21 日（周三）19:00

简介：

让机器人在真实工业场景中稳定、可靠地完成高精度作业，一直是具身智能落地的难题。复杂工况下的环境适应、精细操纵中的动作控制，以及操作失误后的异常恢复，都对系统的精度、鲁棒性与持续学习能力提出了严格要求。要支撑这些能力，关键在于让机器人从经验中有效学习，并将真实交互反馈转化为持续的能力提升。

本次分享以 Robo-ValueRL 为主线，从机器人如何判断任务进展、识别有效动作出发，介绍价值估计如何支撑离线学习与在线优化。结合毫米级芯片插装与积木拆解等真机实验，展示机器人持续改进与自主纠错的过程，并探讨数据采集、质量评估、策略更新和真实验证如何形成相互反馈的闭环。

面向工业应用，这一闭环为机器人在真实环境中持续迭代优化提供了实践路径，也为不断拓宽机器人在高精密作业中的能力边界奠定基础，推动形成可落地、可迭代、可复现的工业级具身智能方案。

Talk 大纲：

本次分享的主要内容如下：

01. 场景与挑战——高精度作业为何难以稳定落地

从复杂工况、精细操纵与异常恢复出发，分析示教质量不一、观测歧义和部署环境变化带来的挑战，引出从离线学习到在线改进的整体框架。

02. 经验质量判断——机器人如何知道哪些动作值得学习

介绍如何结合历史观测判断任务进展、识别有效动作与执行异常，并从全局任务进度和局部动作质量两个层面，评估价值判断的可靠性。

03. 离线策略学习——从混合质量示教中提炼有效经验

介绍价值引导的动作质量标注与质量条件策略学习，分析如何有效利用不同质量的示教数据。

04. 在线迭代优化——将真实交互反馈转化为能力提升

介绍交互数据回流、价值模型更新与轻量级残差适应，说明如何在保留已有技能的基础上，对易错环节进行针对性修正，实现多轮策略改进。

05. 真机实验验证——精密操作与自主纠错如何实现

结合毫米级芯片插装与积木拆解任务，展示在线迭代带来的成功率提升，并通过动作调整、失败重试等案例，分析策略如何获得自主纠错能力。

06. 工业应用展望——构建可迭代、可复现的学习闭环

串联数据采集、质量评估、策略更新与真实验证，结合开源实现讨论系统复现与场景扩展，探索持续扩展机器人高精度作业能力边界的实践路径。

参考资料

论文标题：

Robo-ValueRL: Reliable Value Estimation for Offline-to-Online Reinforcement Learning

paper:

https://arxiv.org/pdf/2607.09866

code:

https://github.com/Open-X-Humanoid/Robo-ValueRL

项目主页:

https://gewu-lab.github.io/Robo-ValueRL/

讲者介绍

胡迪

中国人民大学高瓴人工智能学院·长聘副教授，博导

胡迪，现任中国人民大学高瓴人工智能学院长聘副教授，博导。主要研究方向为多模态交互智能，以主要作者在T-PAMI/ICML/CVPR/CoRL等人工智能顶级期刊及会议发表论文60余篇，六篇荣获CVPR、NeurIPS、CoRL等顶会口头报告。代表性工作如平衡多模态学习、多模态信息交互大模型Gestalt、通用触觉感知基础模型AnyTouch、毫米级VLA强化学习框架Robo-ValueRL等。出版本科教材一部（副主编）、译著一部。曾入选 CVPR Doctoral Consortium、第七届中国科协青托计划、北京市科技新星计划、微软铸星学者、智源学者等；曾荣获2020年中国人工智能学会优博奖、2022年吴文俊人工智能优秀青年奖。主持多项国家自然科学基金和北京市自然科学基金项目。所指导学生获百度奖学金（全球10人）。担任ICML、ICLR、AAAI等会议AC/SPC等，主办/协办多场国际顶级会议的多模态学习讲习班（Tutorial）。

夏文科

中国人民大学·直博生

夏文科以机器人在交互中的持续学习为核心研究目标，围绕闭环数据飞轮的构建，系统开展多模态感知、可泛化决策及交互反思驱动的策略优化研究，探索环境理解、行为决策与反馈学习协同促进的闭环机制，并以第一作者或共同第一作者在NeurIPS、CVPR、CoRL、ICRA、IROS等国际会议发表论文十余篇。

在探索学术前沿的同时，夏文科注重产学研合作与成果转化，先后在NVIDIA、微软亚洲研究院、字节跳动Seed Robotics、北京人形机器人创新中心及上海人工智能实验室担任算法研究实习生，推动多项成果应用于实际生产与展览展示。夏文科主持研究的异构多智能体算法与工业场景下的芯片插入任务曾获央视报导，其中芯片插入系统已应用于北京人形机器人创新中心中试工厂，并在李强总理考察期间进行了现场展示。

在竞赛实践方面，夏文科带队获得CCF移动机器人抓取和导航操纵挑战赛季军、世界人形机器人运动会药物分拣项目亚军等成绩。

-The End-

本周上新！

扫码观看！

“AI技术流”原创投稿计划

TechBeat是由将门创投建立的AI学习社区（www.techbeat.net）。社区上线700+期talk视频，3000+篇技术干货文章，方向覆盖CV/NLP/ML/Robotis等；每月定期举办顶会及其他线上交流活动，不定期举办技术人线下聚会交流活动。我们正在努力成为AI人才喜爱的高质量、知识型交流平台，希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。

投稿内容

// 最新技术解读/系统性知识分享 //

// 前沿资讯解说/心得经历讲述 //

投稿须知

稿件需要为原创文章，并标明作者信息。

我们会选择部分在深度技术解析及科研心得方向，对用户启发更大的文章，做原创性内容奖励

投稿方式

发送邮件到

yimingzhang@thejiangmen.com

或添加工作人员微信（aceyiming）投稿，沟通投稿详情

关于我“门”

将门是一家以专注于数智核心科技领域的新型创投机构，也是北京市标杆型孵化器。 公司致力于通过连接技术与商业，发掘和培育具有全球影响力的科技创新企业，推动企业创新发展与产业升级。

将门成立于2015年底，创始团队由微软创投在中国的创始团队原班人马构建而成，曾为微软优选和深度孵化了126家创新的技术型创业公司。

如果您是技术领域的初创企业，不仅想获得投资，还希望获得一系列持续性、有价值的投后服务，欢迎发送或者推荐项目给我“门”:

bp@thejiangmen.com

点击右上角，把文章分享到朋友圈