郭震 AI公众号:郭震AI

实时 AI 消息

光轮智能发布 RoboFinals RL Envs,把 8 分钟汽车维修搬进机器人训练环境

在 CoRL 2026 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,首个展示任务是时长超过 8 分钟的汽车修理长程作业。该环境基于自研仿真底座 SimFoundry,并与 RoboFinals Benchmark 共享任务语义,试图把环境构建、校准、评测与交付打通。

发布时间

随着大模型走向工具调用、软件操作和多步骤任务,训练的重心正在从数据与答案转向环境:模型要进入具体任务,执行动作、观察结果,再根据反馈调整策略。量子位 11 月 17 日报道,在 CoRL 2026 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。

这条供给线在过去一年变得拥挤。Mercor 在 11 月 10 日宣布完成 7.5 亿美元 D 轮融资、估值 200 亿美元;Surge AI 围绕文档、表格、网页调研与工具调用构建 RL 环境;Handshake AI 为前沿实验室提供专家数据、RL 环境与评分器。它们指向同一个变化:后训练的核心供给,从算法与算力扩展到“做什么任务、在哪里练、如何判定结果”。

与数字环境不同,物理世界的动作会改变物体的位置、姿态与接触状态,一次接触的位置和力度会影响后续所有操作。因此物理 AI 需要的 RL 环境不是对数字环境的简单复刻,而要能承载真实工作任务,让机器人在不同初始状态下反复行动,并让关键物体对策略动作作出可信响应。

RoboFinals RL Envs 的首发展示是一个时长超过 8 分钟的汽车修理长程任务。它把灵巧手操作、工具使用、多阶段流程与柔性物体交互组织在同一个工作场景里,涉及软管、线缆、密封垫等物理属性不同的对象。难点不在于让某一种物体动起来,而在于让机器人在同一条任务链里连续与不同物理属性的对象交互。

仿真侧的代价很直接。多数机器人操作任务使用只有开合一个自由度的平行夹爪,而灵巧手通常有十几到二十多个自由度,每根手指独立运动,动作空间维度大幅上升;手指与物体之间同时存在多个接触点,每个点的受力都需要求解。柔性物体还要离散成大量节点逐一计算,刚度、阻尼、摩擦参数稍有偏差,仿真中的柔体就可能过软、过硬,或出现真实世界里不存在的抖动。

常见的工程折中是先把长任务切成几段,每段从人工设定的初始状态开始。这降低了难度,却也去掉了真实工作的关键条件:机器人无法真正承接上一步造成的位置、姿态与接触状态变化。RoboFinals 的设定让前后阶段相互关联,策略必须学会在不完美的中间状态上继续完成任务。

支撑这些能力的是光轮智能自研的仿真底座 SimFoundry,覆盖“求解—测量—生成”三个环节,其中生成环节由 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。团队把这套标准称为 RL Ready:任务语义上每个阶段有明确的完成判定,物理交互上试错反馈可靠,反馈信号可以直接用于训练。

校准环节采用 Agent 与专家配合的流程。在汽车维修样例中,充气设备软管受牵拉时的弯曲与摆动会影响操作,初始仿真存在异常抖动;Agent 连续自动校准,定位到对软管响应影响最大的杨氏模量参数,再由人类专家把仿真表现与真实软管对照做最后判断,最终最大位置偏差缩小约 3 毫米,抖动也有所减轻。

训练与评测被设计成同源:RL Envs 与 RoboFinals Benchmark 共享任务语义、场景资产与能力定义,但训练任务、奖励调参与评测实例严格分开。发布方还展示了同一任务在策略迭代不同阶段的画面,从动作抖动、抓取失败,到第 175 步成功抓起螺丝。作为 Newton 仿真技术委员会中唯一的中国公司,光轮智能也在参与 SimReady 仿真标准;接下来要看的是环境库能否按家居、工业、零售、医疗的真实任务分布规模化交付,以及模型团队能否用它在真机上换到可复现的收益。

为什么重要

它把“训练环境”变成可采购、可复用的标准件,指向物理 AI 基础设施从数据与评测继续向交互式训练延伸。能否规模化覆盖真实任务分布,并将仿真收益迁移到真机,是这类环境库价值的关键验证。

微博邮件

光轮智能RoboticsReinforcement Learning
返回实时消息

附近消息

全部

11/17 09:28

DeepSeek 因算力不足限流免费聊天,V4.1 Flash 单周仍以 61.2 万亿 token 领跑 OpenRouter

DeepSeek 开始在免费 App 与网页版限流:闲置 7 天以上的长对话不再保留,单次输入压到约 4 万字符,额度用尽后提示服务器繁忙。与此同时,其 V4.1 Flash 1017 在截至 11 月 16 日的一周以 61.2 万亿 token 领跑 OpenRouter,而 DeepSeek 自有端点只承载了其中 12.4%。

11/17 08:00

OpenAI 用 AI 协助北约与盟国强化网络防御

OpenAI 发布官方说明,介绍与北约及盟国网络安全机构的合作,目标是帮助受信任的防御方发现漏洞、测试修复方案并保护关键系统。这说明并不涉及新模型发布,也没有披露参与机构名单、所用模型与实际部署规模。

11/17 08:00

OpenAI 与智利政府达成合作,推动公共部门与本土初创企业用上 AI

OpenAI 宣布与智利政府建立合作,支持该国以负责任的方式采用人工智能,并帮助公共部门建设相关技能。合作还将面向智利本土初创企业,帮助它们开发基于 AI 的应用,不过资金规模与执行时间表尚未公布。

11/17 07:32

网络安全 AI 公司 Corma 三个月内估值达 10 亿美元,NEA 领投 1.25 亿美元 A 轮

Corma 在推出产品约三个月后完成 1.25 亿美元 A 轮融资,估值达到 10 亿美元,本轮由 NEA 领投,公司累计融资升至 1.85 亿美元。10 月 21 日 PHP、Node.js 与 LiteLLM 接连曝出安全问题后,企业对 AI 防御产品的需求明显升温,这轮融资正踩在这一节点上。