强化学习环境成新生意:Mercor 估值 200 亿美元,光轮发布机器人长程 RL 环境
量子位 · wechat · 2026-11-16
大模型走向工具调用与多步骤任务后,强化学习环境(RL Envs)正成为后训练的关键供给。Mercor 完成 7.5 亿美元 D 轮融资、估值 200 亿美元,运营 500 万专家网络;SurgeAI 用自建办公任务 RL 环境后训练 Qwen3.5-122B-A10B,SWE-Bench Pro 提升 5.7 分;HandshakeAI 上线约一年年化收入 10 亿美元。物理 AI 侧,光轮智能在 CoRL 2026 发布 RoboFinals RL Envs:一个 8 分钟以上的汽车修理长程仿真任务,整合灵巧手操作、工具使用与软管/线缆/密封垫等柔体交互,强调前后阶段状态延续的长程任务设计与「RL Ready」标准,依托全栈自研 SimFoundry 仿真底座(Newton 仿真技术委员会唯一中国公司)与 Agent 驱动的自动校准工作流(软管最大位置偏差缩小约 3 毫米),并与 RoboFinals Benchmark 共享任务语义实现同源训练评测。
「具身」频道最新
- microVLA:4GB 显存的 RTX 3050 上跑通 pi0.5 VLA 训练与推理 — this_is_surabhi · 2026-11-16
- 高专机器人大赛冠军团队开源控制方案:非线性优化轨迹平均误差仅±1.2cm — 4310sy · 2026-11-16
- 研究发现多数 VLA 预训练后丢失视觉语言能力 — DJiafei · 2026-11-16
- 开发者自研机器人 BLDC 控制器新 PCB 到货,主打高性能与供应链优化 — wavefnx · 2026-11-16
- 扑翼无人机在空军测试中被探测系统误判为鸟 — import_jmr · 2026-11-16
- Uber 在拉斯维加斯上线 Amazon 旗下 Zoox 无人驾驶出租车服务 — Polymarket · 2026-11-16