论文页面 - MobileVLA-R1 2.0：增强移动机器人控制推理能力的强化学习方法

来源：https://huggingface.co/papers/2609.06251

摘要

MobileVLA-R1 2.0 通过思维链对齐与强化学习，将结构化推理与机器人控制相结合，从而提升移动机器人对长序列指令的遵循能力。

将自然语言指令转化为可靠且可执行的动作，是移动机器人领域中视觉-语言-动作（https://huggingface.co/papers?q=vision-language-action）系统所面临的一个根本性挑战，其根源在于高层语义推理与底层运动、操作控制之间存在持续性差距。现有方法通常依赖于隐式推理或整体式动作预测，难以在保持长序列决策连贯性的同时，生成精确且适应性强的机器人动作。为应对这一挑战，我们提出了 MobileVLA-R1 2.0——一个强化学习增强的 VLA 框架，它显式地将结构化的具身推理（https://huggingface.co/papers?q=embodied%20reasoning）与可执行的移动机器人控制（https://huggingface.co/papers?q=mobile%20robot%20control）相耦合。该框架通过监督式的思维链（https://huggingface.co/papers?q=Chain-of-Thought）对齐与强化学习（https://huggingface.co/papers?q=reinforcement%20learning），学习对具身轨迹进行多粒度推理，从而提升了超越纯行为监督的推理-动作一致性。为同时支持运动与操作，我们进一步引入了一个推理条件动作解码器（https://huggingface.co/papers?q=reasoning-conditioned%20action%20decoder），该解码器将多模态推理（https://huggingface.co/papers?q=multimodal%20reasoning）表征映射到任务级动作目标，随后由机器人控制器将其转换为特定于具体执行器的指令。这种设计提供了一个统一的感知-推理-动作接口，同时将高层动作生成与机器人特定的驱动执行解耦。我们在语言引导导航、四足机器人控制和人形机器人移动操作任务上进行了广泛评估，涵盖 VLN-CE、QUARD 数据集，以及 Unitree Go2 和 G1 机器人在真实世界的部署。MobileVLA-R1 2.0 在各项指标上持续优于强大的 VLA 基线模型：在 VLN-CE 上成功率平均提升 1.6 个百分点，在真实世界的 G1 移动操作任务上完全任务成功率较 MobileVLA-R1 提升了 10.0 个百分点，同时在不同机器人平台上展现出稳健的长序列指令遵循与闭环执行能力。

查看 arXiv 页面 (https://arxiv.org/abs/2609.06251) 查看 PDF (https://arxiv.org/pdf/2609.06251) 项目页面 (https://aigeeksgroup.github.io/MobileVLA-R1-2.0/) GitHub6 (https://github.com/AIGeeksGroup/MobileVLA-R1-2.0) 添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.06251)

通过您的代理获取本文：

hf papers read 2609.06251

没有最新 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

无关联模型

在模型的 README.md 中引用 arxiv.org/abs/2609.06251 以从本页面链接。

引用本文的数据集0

无关联数据集

在数据集的 README.md 中引用 arxiv.org/abs/2609.06251 以从本页面链接。

引用本文的 Space0

无关联 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2609.06251 以从本页面链接。

包含本文的收藏集0

无包含本文的收藏集

将本文添加到收藏集 (https://huggingface.co/new-collection) 以从本页面链接。