学习折叠：LeHome Challenge 2026 获奖解决方案（线上第一名，线下第二名）

我描述了我对 LeHome Challenge 2026 的解决方案，这是 ICRA 2026 的双手服装折叠竞赛。该系统在在线（模拟）回合中将 62 支队伍中的排名第一，在现实世界决赛中排名第二。它通过强化学习循环改进了视觉-语言-动作（VLA）策略。该策略是它自己的价值函数：预测行动的同一网络还可以预测成功、进度和一些与任务相关的未来量，而这些预测驱动优势估计、实时故障检测和候选者选择。这项工作主要将现有的 RL 思想与工程和优化贡献重新结合起来，这些思想可以作为一个方案一起使用，也可以单独使用：AWR + RECAP 组合用于流量匹配 VLA；通过 HuggingFace Hub 的异步分布式训练/轨迹生成管道；通过汤普森采样进行推理时间超参数优化；具有相机对准工具、大量增强和类似 DAgger 的 HIL 数据收集的模拟到真实配方。