VLAW框架是一個框架，由清華陳建宇團隊與斯坦福Chelsea Finn團隊基於其前期合作成果Ctrl-World聯合提出。該框架首次實現了視覺-語言-動作（VLA）策略與動作條件世界模型的協同疊代最佳化，使兩者形成互相促進的閉環。
其核心工作流程是：利用VLA策略在真實世界收集的互動數據校準世界模型，再使用校準後的世界模型生成合成數據來最佳化VLA策略。研究團隊在DROID機器人平台上針對堆疊積木等五類複雜任務進行了測試，每輪疊代收集250條真實軌跡用於世界模型校準，最終支撐機器人策略成功率獲得提升。未來的研究將圍繞世界模型的規模化和泛化性展開。
研發背景,核心技術,重要事件,核心團隊,
研發背景
VLAW框架由清華大學陳建宇團隊（星動紀元創始人）與史丹福大學Chelsea Finn團隊（PI創始人）聯合提出，基於雙方首個合作成果Ctrl-World的再度攜手研發，旨在實現VLA策略與動作條件世界模型的協同疊代最佳化，構建兩者互相促進的閉環系統。
核心技術
VLAW框架的核心技術在於首次實現了視覺-語言-動作（VLA）策略與動作條件世界模型的協同疊代最佳化，使兩者形成一個互相促進的閉環。其核心解法是利用VLA策略在真實世界互動中收集的數據來校準世界模型，提升其物理預測的保真度，再利用校準後的世界模型生成高質量的虛擬數據，反過來最佳化和強化VLA策略本身。
VLAW的工作流程包括在真實世界中執行策略以收集少量線上互動軌跡，例如每類任務50條真實軌跡。利用這些策略rollout數據微調預訓練的動作條件世界模型（如Ctrl-World），使世界模型適配目標任務並提升其預測保真度。在校準後的世界模型中，通過策略與世界模型的閉環互動生成大規模合成軌跡，例如每個任務生成500條合成軌跡。結合真實軌跡與虛擬軌跡，並藉助視覺-語言獎勵模型（如Qwen-VL）自動評估獎勵，最佳化VLA策略。
該框架在DROID機器人平台上針對堆疊積木、打開書本、擦除白板標記、舀取顆粒、畫圓五類複雜任務進行驗證，顯著提升了策略的成功率。
重要事件
清華陳建宇團隊和斯坦福Chelsea Finn團隊基於Ctrl-World，聯合提出了VLAW框架，首次實現了VLA策略與動作條件世界模型的協同疊代最佳化。
研究團隊在DROID機器人平台上針對堆疊積木、打開書本、擦除白板標記、舀取顆粒、畫圓五類複雜任務進行實測，使用當前SOTA的π0.5作為基礎策略和Ctrl-World作為基礎世界模型，每輪疊代在5類任務上共收集250條真實軌跡用於世界模型的校準。經VLAW框架最佳化後，機器人策略在五類任務上的成功率實現大幅提升，並能針對真實世界的失敗案例在虛擬空間中找到成功路徑。
核心團隊
兩個團隊基於其首個合作成果Ctrl-World，再度攜手提出了VLAW框架。
