AgenticRoboRL：将编码智能体后训练引入具身机器人规划
arXiv论文提出AgenticRoboRL框架，通过监督微调与多轮强化学习后训练机器人规划器，在LIBERO-PRO上显著提升成功率。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
arXiv 刊出论文 AgenticRoboRL，研究将编码智能体的后训练方法迁移至具身机器人规划器。作者指出，现有具身机器人系统通常将规划器与机器人执行框架结合，依靠更强的执行框架和外部记忆提升复杂操作任务表现，但规划器本身多依赖闭源模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身，能力并未得到训练。相比之下，编码智能体通过模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身后训练已取得明显进展。
为此，研究团队提出 AgenticRoboRL 框架，把监督微调与多轮强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身结合，用于跨不同执行框架的规划器后训练。由于机器人执行机制存在差异，包括 VLA 技能调用和控制代码生成，框架引入针对不同执行框架的适配器，将记录下来的规划器交互与任务结果关联，从而在保持执行组件固定的前提下使用统一的强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身训练流程。
在 LIBERO-PRO 上，AgenticRoboRL 将 9B 参数规划器的成功率从 18.1% 提升至 71.0%，且不使用外部记忆，接近 Codex（GPT-5.5）配合外部记忆取得的 72.1%。作者表示，结果说明后训练是提升机器人规划器的有效途径，并将发布该框架和训练后的规划器检查点。