星尘智能发布SmoothRL框架，实现异步在线强化学习

AI 摘要

星尘智能发布异步在线强化学习框架SmoothRL，解决大模型异步推理下机器人动作与计划不一致的问题。该框架仅对实际执行的动作进行强化学习，并在真实高动态投掷任务中验证，成功率显著提升。SmoothRL强调在部署中强化学习，使机器人能持续从真实执行结果中修正策略。

正文节选

机器人不能停下来等模型：星尘发布 SmoothRL，让在线强化学习跟上大模型的异步推理 星尘智能（Astribot） 基座模型团队发布能异步执行的在线强化学习框架 SmoothRL 真实机器人没有“暂停键”。 现在的 VLA、World-Action Model 往往一次生成未来一段时间的动作序列，也就是 action chunk。模型越来越大，推理时间也越来越长，但机器人不能每隔几百毫秒就停下来等模型推理下一段时间的动作。尤其在投掷这类高动态任务里，一次停顿就可能让已经积累起来的速度掉下去，导致整个任务失败。 所以真实部署里更常见的方式是异步推理：机器人继续执行手头的动作，模型同时在后台计算下一段。简单说，手上做 A，模型已经在算 B。 但这给在线强化学习带来了一个新的问题：模型一次生成了一段动作序列（action chunk），进入物理世界的真正会用的，却往往只有其中一部分。模型“计划过”的动作，和机器人“真正做过”的动作，不再完全相同。 近日，星尘智能（Astribot） 基座模型团队发布能异步执行的在线强化学习框架 SmoothRL（Online Reinforcement L

发布时间：2026-09-04 17:19

抓取时间：2026-09-04 18:24

来源机构：量子位