StructRL：面向长时程视觉-语言-动作任务的在线结构化强化学习

StructRL 是一个在线强化学习框架，通过将任务分解为可验证子任务、仅在前置子任务完成后给予中间奖励并按完成速度缩放奖励，为长时程 VLA 任务构建结构化中间监督。在 RoboCasa365 和 LIBERO-Long 上，配合 GR00T-N1.5 与 pi 0.5，StructRL 持续优于所评估的在线 RL 基线。结果表明可验证的结构化中间奖励能改善长时程 VLA 后训练，代码已开源。