AgenticRoboRL:把编码 Agent 的后训练方法搬到机器人上,9B 小模型反超闭源

UCF-Ai-LLMs · hf · 2026-10-22

AgenticRoboRL 探索能否把编码 Agent 的后训练方法用于提升机器人规划器。方法:先对机器人规划器做 SFT,再在多种 harness(VLA 技能 + 控制代码,经多轮交互)下做多轮强化学习,无需外部记忆即可显著提升成功率。

在 LIBERO-PRO 上,经训练的 Qwen 3.5 9B 达到 71.0% 成功率,比未训练的 18.1% 提升 52.9 个百分点,超过 Qwen 3.8 27B(74.0%,带记忆)以外的自家大模型无记忆版本,并与 Claude Code(Opus)+Mem 82.4%、Codex(GPT)+Mem 72.1% 等闭源前沿模型同场对比,9B 模型在没有记忆的情况下表现极具竞争力。