基于迭代强化学习的VLA模型优化方法、装置、设备及介质

本发明公开一种基于迭代强化学习的VLA模型优化方法、装置、设备及介质，涉及人工智能领域，使得机器人能够准确执行金融、保险及医疗场景中的相关任务，包括：对预设的初始VLA模型进行监督学习预训练，得到预训练VLA模型，预训练VLA模型包括动作解码器；冻结预训练VLA模型中除了动作解码器之外的所有参数，对动作解码器进行在线强化学习，更新动作解码器的参数，得到第一优化VLA模型；将第一优化VLA模型发送给服务端，由服务端解冻第一优化VLA模型的所有参数，并对第一优化VLA模型进行监督学习训练，更新第一优化VLA模型的参数，得到第二优化VLA模型。本发明能有效克服VLA模型在强化学习优化过程中的不稳定性，并突破全参数微调带来的计算资源与实时性瓶颈。