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

动态投掷：39% → 94%。 机器人需要从随机位置抓取物体，再投进不同位置的目标箱。这个任务不是到达一个目标位姿就结束，而是要求手臂在摆动过程中持续积累速度，并在准确时刻释放。论文特别指出，一旦在 action chunk 边界发生停顿，手臂可能几乎降到静止，剩余摆动很难重新恢复所需释放速度。因此，它对异步执行尤其敏感。在累计 250 个 rollout episodes 的评估节点，成功率从基础策略的 39% 提升至 94%。 SmoothRL 由星尘智能王佳楠担任项目负责人，高广、农宇轩为共同第一贡献者，黄百富参与研究。 本文由星尘智能提供，量子位获授权转载，观点归原作者所有。

注：以上内容摘选自原始新闻，点击「访问原文」查看完整内容。