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
2026.09.03 · 事件 · 新框架 · 媒体报道
星尘智能提出 SmoothRL，解决异步执行下在线强化学习只学真实执行动作的问题。
星尘智能基座模型团队发布 SmoothRL，一种适配异步推理的在线强化学习框架。它只对机器人真正执行的动作区域进行学习，并在训练中直接模拟异步执行。在真实投掷、开箱、戴帽任务中，成功率分别从 39% 提升至 94%、30% 提升至 90%、8% 提升至 83%。
- SmoothRL 只对执行区域动作进行强化学习
- 训练中直接运行异步推理，模拟真实部署
- 投掷成功率从 39% 提升至 94%
- 开箱成功率从 30% 提升至 90%
- 戴帽成功率从 8% 提升至 83%
为什么值得看
解决真实机器人异步推理下在线强化学习的关键难题。
适合谁关注
机器人学习研究者、具身智能开发者、强化学习工程师。