论文页面 - AgenticRoboRL：将编码智能体的后训练方法引入智能体机器人

来源：https://huggingface.co/papers/2610.28589

摘要

AgenticRoboRL 通过监督微调和多轮强化学习在多种机器人执行框架上改进机器人规划器，在不依赖外部记忆的情况下显著提升了任务成功率。

智能体机器人（Agentic robotics）系统将规划器与机器人执行框架（robot harnesses）相结合，以完成复杂的操作任务。近期工作通过改进执行框架和引入外部记忆来提升这些系统，但依赖强大的闭源模型作为规划器，并未提升规划器自身的能力。相比之下，编码智能体通过对模型本身进行后训练取得了显著改进。因此，我们探究后训练是否也能改进机器人规划器。然而，将后训练应用于不同的机器人执行框架需要适配不同的执行机制，包括 VLA 技能调用（VLA skill invocation）和控制代码生成（control-code generation）。为此，我们提出 AgenticRoboRL——一个跨不同执行框架后训练机器人规划器的框架。该训练方案将监督微调（supervised fine-tuning）与多轮强化学习（multi-turn reinforcement learning）相结合。为适配不同的执行机制，框架特定适配器（harness-specific adapters）将记录的规划器交互与任务结果关联起来，从而实现统一的强化学习训练流程，同时保持执行组件固定不变。在 LIBERO-PRO 上，AgenticRoboRL 将 9B 参数规划器的成功率从 18.1% 提升至 71.0%（不使用外部记忆），接近 Codex（GPT-5.5）配合外部记忆所达到的 72.1%。这些结果表明，后训练是改进机器人规划器的一种有效方法。我们将开源该框架及训练好的规划器检查点。

查看 arXiv 页面 · 查看 PDF · 项目主页 · GitHub · 加入收藏

在你的智能体中获取这篇论文：

hf papers read 2610.28589

还没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型 1

ciciciciliu/AgenticRoboRL-Qwen3.5-9B 更新于约 22 小时前 · 3

引用本文的数据集 0

暂无关联数据集

在数据集 README.md 中引用 arxiv.org/abs/2610.28589 即可将本文关联到此页面。

引用本文的 Space 0

暂无关联 Space

在 Space README.md 中引用 arxiv.org/abs/2610.28589 即可将本文关联到此页面。

收录本文的合集 0

暂无收录本文的合集

将本文加入合集即可将本文关联到此页面。