VLA 强化学习的低秩结构：RL 微调如何重塑 π_{0.5} 与 GR00T N1.5/N1.6

研究发现，在 LIBERO、ManiSkill、MetaWorld 和 CALVIN 上对 π_{0.5}、GR00T N1.5/N1.6 等流式 VLA 模型做强化学习后训练时，参数更新呈现显著低秩，且高度集中在动作专家的 Timestep Modules 这一此前被忽视的小组件中。模块替换实验进一步显示，这些模块承担了不成比例的更新份额。