AtomicRL：面向长程机器人操作的原子化强化学习框架

AtomicRL 是一个针对 VLA 模型的 RL 后训练框架，用原子子任务结构解决轨迹级稀疏奖励导致的信用分配偏差。其核心模块 SAPO 通过语义感知门控阻止失败子任务的 TD 残差跨任务边界传播，BATE 则根据各子任务的掌握程度动态调整采样与探索方向。框架还包含 Real2Sim2Real 流水线，衔接仿真内在线 RL 与真机部署。在 LIBERO-LONG 基准上，AtomicRL 在两种 VLA 架构下比 PPO 分别提升 3.6% 和 4.0%；在 CALVIN ABC-D 上全任务性能最高提升 9.5%。结合 Real2Sim2Real 流水线，真实世界任务性能平均再提升 21.3%。