VLA 研究日報VLA 研究日报

DRILL: Training World Models to Improve Policies, Not Predict Pixels

指出用世界模型辅助 VLA 强化学习后训练时，按「单步预测像素」训练目标错位，改为直接以「提升下游策略表现」为目标训练世界模型（DRILL），从而减少真实环境交互。对做 world-model-based RL 精调 VLA 的团队可直接复用其训练目标与 rollout 设计。