Ziyi Yin

StructRL 是一个在线强化学习框架，它把每条长程指令自动分解为可由环境状态二值验证的子任务并组织成有序依赖组，只在某子任务的全部前置条件完成后才发放中间奖励、并按完成快慢缩放奖励幅度，在 RoboCasa365 与 LIBERO-Long 上配合 GR00T-N1.5 和 π0.5 两个 VLA 主干，一致优于所评估的在线 RL 基线（如 GR00T-N1.5 上 RoboCasa365 由 41.5% 提升到 49.1%，LIBERO-Long 由 92.4% 提升到 96.6%）。

StructRL 是一个在线强化学习框架，它把每条长程指令自动分解为可由环境状态二值验证的子任务并组织成有序依赖组，只在某子任务的全部前置条件完成后才发放中间奖励、并按完成快慢缩放奖励幅度，在 RoboCasa365 与 LIBERO-Long 上配合 GR00T-N1.5 和 π0.5 两个 VLA 主干，一致优于所评估的在线 RL 基线（如 GR00T-N1.5 上 RoboCasa365 由 41.5% 提升到 49.1%，LIBERO-Long 由 92.4% 提升到 96.6%）。