学习折叠：LeHome挑战赛2026获奖方案（在线第1名，离线第2名）

我描述了我对LeHome挑战赛2026的解决方案，这是ICRA 2026关于双臂衣物折叠的竞赛。该系统在在线（模拟）轮次中位列62支队伍中的第1名，并在真实世界决赛中获得第2名。它通过强化学习循环改进了视觉-语言-动作（VLA）策略。该策略自身即为其价值函数：预测动作的同一网络也预测成功、进度以及一些与任务相关的未来量，这些预测驱动优势估计、实时故障检测和候选选择。这项工作主要重新组合了现有的强化学习思想，并贡献了工程和优化方面的成果，这些成果可以作为一个整体配方或单独使用：AWR + RECAP结合用于流匹配VLA；通过HuggingFace Hub实现的异步分布式训练/回放流水线；通过汤普森采样进行推理时超参数优化；以及包含相机对齐工具、重度增强和类似DAgger的HIL数据收集的仿真到现实配方。