CMU 发布 R³：强化学习教机器人先想后动

CMU 团队（Aviral Kumar 组）发布新工作 R³，通过强化学习让机器人在行动前进行自由形式的自然语言推理，实现「先想后动」。方法分两步：先在专家生成的推理轨迹上做 mid-training，再用 RL 优化。研究指出测试时计算扩展不只是换更强的 LLM/VLM，而是在感知-行动循环中利用推理改变后续观察，从而提升策略控制。

2026-09-02 ~ 2026-09-03 · 3 条相关

• R3：通过强化学习训练机器人进行自然语言推理 — tw_killian · 2026-09-02
• 新论文 R³:用 RL 教机器人自由推理,先想后动提升策略控制 — aviral_kumar2 · 2026-09-03
• CMU 发布 R³：用强化学习训练机器人用自然语言推理 — aviral_kumar2 · 2026-09-03