↑

光轮智能发布 RoboFinals RL Envs:面向物理 AI 的长程强化学习仿真环境

PromptTree|阅读 0
2026/11/18 07:49
光轮智能强化学习具身智能仿真环境
光轮智能发布 RoboFinals RL Envs:面向物理 AI 的长程强化学习仿真环境
光轮智能在 CoRL 2026 期间发布 RoboFinals RL Envs,面向机器人模型提供可交互强化学习仿真环境,首发任务为时长超过 8 分钟的汽车修理长程工作,整合灵巧手操作、工具使用与柔体交互。环境基于自研 SimFoundry 底座,与 RoboFinals Benchmark 共享任务语义但训练评测严格分离。

当大模型的后训练重心从「学答案」转向「做任务」,环境本身正在变成一门生意。软件智能体可以在文档、表格、代码环境里试错,而机器人要从屏幕走进物理世界,能在哪里练习、练什么、怎么判定练对了,全都要靠仿真环境承载。光轮智能在 CoRL 2026 期间发布的 RoboFinals RL Environments,补上的正是物理 AI 这块拼图。

光轮智能是一家专注于物理 AI 仿真的公司,此前已围绕数据、评测与部署构建产品线,也是 Newton 仿真技术委员会中唯一的中国公司,并参与 SimReady 仿真标准与开源资源库建设。此次发布的 RL Envs 把产品能力延伸到交互式训练环境:依托自研 SimFoundry 仿真底座,将复杂任务、物体资产和交互规则组织为可运行的仿真环境,模型接入后即可控制机器人执行任务、观察状态变化、反复尝试不同策略。

首发展示的任务本身就说明了难度定位:一段时长超过 8 分钟的汽车修理长程工作。任务链条里同时存在三类公认难啃的硬骨头。一是灵巧操作:常见夹爪只有开合一个自由度,而灵巧手有十几到二十多个自由度,每根手指独立运动,仿真中手指与物体间的多个接触点必须逐一求解,接触算不准,物体就会滑脱或穿透,学到的抓握方式在真实世界无法成立。二是长程任务:早期动作的影响很久之后才显现,每一步的小偏差不断叠加;RoboFinals 的任务不把长任务拆成从人工初始状态开始的短片段,前一步造成的物体位置、姿态与接触状态变化会延续到后续步骤,策略必须学会在不完美的中间状态上继续干活。三是可变形物体:软管、线缆、密封垫需要离散成大量节点计算,刚度、阻尼、摩擦参数稍有偏差,仿真中的柔体就会过软、过硬或出现现实中不存在的抖动。

把这三样同时放进一个环境,靠的是 SimFoundry 的三层结构:求解器负责把刚体、关节体与柔体的交互算对;测量环节让物理参数来自真实数据并沉淀为可复用的属性库;生成环节由 AI Agent 驱动,基于真实任务完成资产重建、物理建模与任务定义。校准环节则是 Agent 与人类专家协作:在维修任务样例中,Agent 连续迭代找到了对软管响应影响最大的杨氏模量参数,人类专家再对照真实软管的弯曲与摆动做最终判断,最大位置偏差缩小约 3 毫米,异常抖动明显减轻。

训练与评测的关系也被明确设计:RL Envs 与光轮此前的 RoboFinals Benchmark 共享任务语义、场景资产和能力定义,但训练任务、奖励调参过程与评测实例严格分开,给学习效果留一份独立检验——这针对的是行业里「能训练的不能评价、能评价的没有自己的环境」的同源失真问题。官方展示的迭代样例里,同一机械手任务从第 5 步的抖动未抓取,到第 150 步抓取时螺丝滑落,再到第 175 步成功抓起螺丝,策略的试错与进步过程在环境中可重复观察。

放在更大的市场背景下,围绕大模型后训练的环境供给已经热闹起来:海外多家公司围绕评测数据、训练环境与专家网络获得大额融资,文档、表格等数字任务环境率先商品化。物理环境的门槛更高,此前少有人把「环境构建、校准、评测、交付」整条链路走通。光轮把环境做成可采购、可复用的标准件交付给模型团队,其价值主张是把「练武的场地」从各家自攒的内部活儿,变成行业基础设施。接下来的关键检验有两个:环境库能否按真实任务分布扩展到家居、工业、零售、医疗等场景,以及在仿真里练出来的策略,能不能稳定迁移到真机上。