Gaussian Policy 范式 VLA 的 PPO 训练原理：从 Action Generation 到 LogProb、Ratio详细推导

Gaussian VLA 的 PPO：核心公式推导与 7 维完整实算（精简版）目标：一次讲清“多维 Gaussian 密度从哪里来、怎样得到 old/new LogProb、PPO 怎样更新机器人动作策略”。保留完整必要推导与七维数字，删除重复说明、公式索引和无实际图片的图题。本文数据均为教学假设，不是实际机器人实验结果。阅读约定：所有log都是自然对数。ooo是图像/语言/本体状态组成的 Observation；aa