**StructRL：面向长时程视觉-语言-动作任务的在线结构化强化学习**

_StructRL: Online Structured Reinforcement Learning for Long-Horizon Vision-Language-Action Tasks_

> 针对视觉-语言-动作（VLA）模型在长时程任务中因奖励稀疏而表现不佳的问题，亚马逊提出 StructRL 框架。该方法通过将任务分解为可验证的子任务，构建结构化中间监督信号，并根据完成进度动态调整奖励。在 RoboCasa365 和 LIBERO-Long 基准测试中，StructRL 显著优于现有在线强化学习基线，证明了结构化中间奖励对提升长时程 VLA 模型后训练效果的有效性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.36352)