光轮智能发布RoboFinals RL Envs,物理AI强化学习仿真环境落地
光轮智能在CoRL2026期间推出RoboFinals RL Envs,面向机器人模型提供可交互的强化学习仿真环境,首发8分钟以上汽车修理长程任务,覆盖灵巧手操作、工具使用与柔性物体交互,并配套独立评测基准。
强化学习环境正从数字世界延伸至物理世界。随着大模型承担长程任务,后训练所需的核心供给已从算法和算力扩展到训练数据与交互环境。数字环境中,软件智能体的动作结果易于记录和判定;而机器人动作牵动物体位置、姿态与接触状态,反馈更复杂,物理AI需要能承载具体任务、对策略动作持续给出可信响应的仿真环境。
在CoRL2026期间,光轮智能发布RoboFinals RL Environments,面向机器人模型提供可交互的强化学习仿真环境。该环境以真实工作任务为导向,首发展示时长超过8分钟的汽车修理长程任务,将灵巧手操作、工具使用、多阶段流程和柔性物体交互组织在同一场景中,涉及软管、线缆、密封垫等对象。
这一任务集中呈现三类难点:灵巧手自由度与接触点成倍增加,对仿真求解提出更高要求;长程任务中误差随时间累积,前后阶段状态相互关联,策略需在不完美的中间状态上继续操作;软管、线缆等可变形物体状态难以描述,刚度、阻尼等参数偏差会直接影响仿真表现。
支撑上述能力的是光轮智能全栈自研仿真底座SimFoundry,覆盖求解、测量、生成三个环节,并提出RL Ready标准,要求任务语义有明确完成判定、物理交互反馈可靠、信号可直接用于训练。其Agentic校准工作流在汽车修理案例中通过自动化参数搜索配合专家判断,使软管响应最大位置偏差缩小约3毫米。
RoboFinals RL Envs与RoboFinals Benchmark共享任务语义、场景资产和能力定义,训练与评测实例严格分开。发布演示显示,同一任务在5步、150步、175步的策略迭代中,机械手从动作抖动、螺丝滑落逐步过渡到成功抓取,表明环境可承载策略训练中的试错与行为变化。