在线强化学习是机器人从交互中持续学习的关键技术，但传统同步模式要求模型推理与数据采集严格对齐，导致训练节奏受限于最慢环节。随着大模型在机器人中的应用普及，推理延迟增加，这种同步瓶颈愈发凸显。

针对此问题，星尘智能（Astribot）基座模型团队发布了SmoothRL框架，其核心创新在于支持异步执行，允许数据采集、模型推理和参数更新在时间上解耦，从而充分利用硬件资源，缩短训练周期。

据团队介绍，SmoothRL在保持算法收敛性的同时，显著提升了吞吐量。实验数据显示，在典型机器人操作任务中，SmoothRL相较同步基线方法可减少约40%的训练时间，且不牺牲策略性能。该框架还兼容主流强化学习库，便于集成到现有工作流。

这一成果对机器人社区具有实用价值：它使研究人员能够更高效地迭代策略，尤其是在需要实时反馈的灵巧操作或导航场景中。星尘智能表示，SmoothRL已在其内部机器人平台上验证，未来将考虑开源关键组件以推动行业进步。