TeleHuman/PRTS

解決的問題

PRTS（Primitive Reasoning and Tasking System）解決了標準視覺-語言-動作（VLA）模型僅依賴行為克隆的限制。傳統模型學習的是該做什麼，但往往缺乏對當前狀態距離目標有多近的內部理解。PRTS 引入了一種讓模型內化目標可達性感知的方法，使其能更有效地遵循新指令，並在受到干預時更佳地恢復，優於僅透過動作訓練的模型。

工作原理

PRTS 將無獎勵對比強化學習（RL）擴展至 VLA 模型的預訓練階段。它採用 Qwen3-VL 主幹網絡，並與動作損失共同訓練一個對比價值頭。無需人工標註的獎勵標籤或成功標記，而是完全從離線示範軌跡的時間結構中提取監督訊號。這使得模型能夠學習一種語言接地的價值函數，其中狀態-動作與目標嵌入的內積能追蹤目標佔據度，隨著策略接近目標而上升。

適用對象

需要在新指令泛化、長時程任務執行以及不同機器人平台（如雙臂或單臂系統）的真實世界部署中具備更強韌性的視覺-語言-動作模型的機器人研究人員與開發者。

主要亮點

• 無獎勵標籤： 無需每回合的成功標籤或精心整理的獎勵資料集，即可學習目標可達性。
• 目標可達性感知： 直接將對比價值頭整合至主幹網絡中，使模型能理解向目標推進的進展。
• 高效率： 使用自訂的 CuTe-FlashAttention 內核，將預訓練計算成本維持在普通行為克隆的水準附近。
• 強泛化能力： 在模擬與真實世界環境中，顯著優於以往的 VLA 模型，在新指令遵循與分佈外任務上表現更佳。