光轮智能在CoRL 2026期间推出RoboFinals RL Envs,首发展示超8分钟汽车维修长程任务。该环境攻克灵巧手与柔性体交互难题,打通建模、校准到评测全链路,为具身模型提供了可落地的强化学习训练场。
强化学习环境(RL Envs)正在成为大模型赛道的新基础设施。
随着模型逐步承担工具调用、软件操作与多步骤复杂任务,后训练(Post-training)的核心供给已经由单纯的算法与算力,拓展到训练数据与高可信环境。模型不仅要从静态数据中提炼规律,更需要深入具体场景反复试错,依托动作反馈持续优化策略。
在数字世界,Mercor、Surge AI等服务商已通过搭建长程代码与办公环境验证了该路径的有效性。然而,当大模型从屏幕走向物理世界,训练环境的构建难度呈指数级上升。
以近期0p3n41发布的GPT-6 Astra为例,通用大模型展现出了跨界操控机器人的潜力。在RoboDojo的42个仿真任务中,未经机器人专项微调的Astra平均成功率达22.48%,超过了榜单中全部专项训练的机器人策略。
但从代码环境切换至物理交互,强化学习的反馈机制发生了根本改变。数字智能体的操作结果通常确定且易量化;机器人的动作则直接改变物体的位置、姿态和接触力,细微误差都会在物理世界中持续放大。
真机试错受制于设备损耗、复位成本高昂以及环境不可控,难以形成规模化训练数据。打造高物理保真度的RL Envs,成为通用模型迈向具身智能的关键路径。
在CoRL 2026期间,光轮智能正式发布面向机器人模型的强化学习仿真环境——RoboFinals RL Environments(RoboFinals RL Envs)。
与以往局限于单一抓取任务的仿真平台不同,RoboFinals RL Envs首次展示了时长超过8分钟的长程复杂场景:汽车修理。
该任务将灵巧操作、工具调用与柔性物体交互统一在同一链条内,直面三大行业痛点:
为支撑高难度任务,光轮智能依托自研仿真底座SimFoundry,建立了“求解-测量-生成”技术闭环:求解器攻克刚柔混合受力计算;物理参数取自实际测量;AI Agent则驱动场景资产与任务定义的高效生成。

长程仿真环境的落地难点在于高质量资产、高精求解器与场景经验的协同。光轮智能不仅参与定义了SimReady仿真标准,还构建了Agentic自动化校准工作流。

在汽车维修任务中,充气软管的摆动轨迹直接影响机械臂路径。Agent通过自主比对仿真与真实表现,自动微调杨氏模量等关键力学参数,仿真专家在节点介入把关,最终将软管最大位置偏差缩窄至约3毫米。


此外,针对模型学习成效的检验难题,RoboFinals RL Envs与RoboFinals Benchmark采用了同源设计,使训练环境与评测标准拥有统一的任务语义与资产,同时保持评测集严格独立。
在实际训练测试中,机械手在第5步表现为动作抖动,第150步出现螺丝滑脱,直至第175步成功实现精准抓取。测试结果表明,该环境已能可靠支撑策略策略的反复试错与连续迭代。
从单向的数据评测迈向交互式训练环境,RoboFinals RL Envs为物理AI提供了一套开箱即用的标准件,补齐了具身模型持续自主演进的关键一环。
免费获取企业 AI 成熟度诊断报告,发现转型机会
关注公众号

扫码关注,获取最新 AI 资讯
3 步完成企业诊断,获取专属转型建议
已有 200+ 企业完成诊断