像把尺子的精细刻度换成粗刻度，机器人压缩后的一点点动作误差，也可能在连续操作中越积越大，最后把任务做砸。量化正是用更少的二进制位保存模型数字，以节省内存、方便部署；但对 VLA——把画面、语言指令直接变成机器人动作的模型——省下资源并不等于保住能力。作者在五种 VLA、4050 次真实实验中发现，QAT（训练时模拟低精度误差）通常好过训练完成后直接压缩的 PTQ，却仍会在长流程任务、画面变化和语义变化下明显落后于全精度模型。
团队因此提出 QCRL，即“量化条件强化学习”。它不只逐步模仿标准动作，还利用整段执行的成败和完成进度：失败在第一步与做到一半再失败，不再被一概而论；同时从全精度轨迹中挑出更有利于量化策略的行为。作者报告，在三种视觉变化条件下，仅用原分布数据训练时，INT4 W4A16——权重用4位整数、激活保留16位——达到全精度平均分的99.3%，模型内存减少42.9%；W4A4设置则达到100.7%。这些数字来自论文作者的真实机器人实验，尚未见材料中的独立复现。