MobileVLA-R1 2.0：用强化学习连接机器人推理与行动

导语

让机器人听懂“去某处并完成某项操作”并不等于它能稳定完成任务。对移动机器人而言，系统既要理解自然语言和视觉场景，又要规划较长的行动链，还要把抽象目标转换为适合具体机体的移动、抓取或操作指令。MobileVLA-R1 2.0 关注的正是这条从语义推理到身体执行的连接。

核心要点

• 把具身推理显式纳入训练。 该框架不再只依赖输入到动作的隐式映射，而是通过监督式 Chain-of-Thought（CoT）对齐和强化学习，学习覆盖不同时间尺度与任务粒度的轨迹推理。
• 推理与控制分层。 模型先根据多模态信息和推理表示生成任务级动作目标，再由面向具体机器人的控制器将其转换为执行命令。这样既保留统一的感知—推理—行动接口，也减少高层模型对底层执行器细节的直接依赖。
• 面向多种机器人形态。 论文在语言引导导航、四足机器人控制和人形移动操作上进行评估，涉及 VLN-CE、QUARD，以及 Unitree Go2 和 G1 的真实世界部署。
• 长时程执行表现有所改善。 根据论文摘要，在 VLN-CE 上，MobileVLA-R1 2.0 相比 MobileVLA-R1 的平均 SR 提升 1.6 个百分点；在真实世界 G1 移动操作任务中，完整任务成功率提升 10.0 个百分点。

意义与影响

这项工作的关键并不只是给 VLA 模型增加“思维链”，而是尝试让推理过程与机器人轨迹、动作目标以及闭环控制发生更直接的联系。对于长时程任务，显式的中间推理有望帮助系统保持目标一致性，减少因为单步预测失误而导致后续动作失控的情况。与此同时，任务级动作目标与机器人专用控制器的解耦，为同一套高层模型适配不同身体形态提供了更清晰的工程路径。

不过，摘要主要披露了相对前代的整体提升，尚未给出各项基准的完整分项结果、训练成本和失败案例。因此，这一方法的泛化范围、推理开销以及在更多真实环境中的稳定性，仍需要结合完整论文和代码进一步判断。总体而言，MobileVLA-R1 2.0 展示了一个值得关注的方向：将强化学习用于校正“想做什么”与“实际怎么做”之间的差距。

来源：Hugging Face Daily Papers