专访罗剑岚：LWD如何让机器人在部署后持续学习

本文是对罗剑岚博士的专访，介绍其新工作LWD（Learning While Deploying），让通用机器人策略在真实部署中持续从自身经验在线强化学习。LWD用offline RL预训练加online RL微调统一离线与在线的优化目标，价值函数单独用VLM训练并同时利用正负样本（约60%多正样本、30%多负样本），部署数据平均约40秒回流进入训练流程。