multi-policy

REA 是一个统一运行时，通过「运行中的策略绝不等待大脑」这一规则，协调深思熟虑的基础模型「大脑」与快速反应的 VLA 及全身策略：在 60 个 LIBERO-Pro 任务上取得 95.9% 的成功率，同时控制步数减少 25%；此外在 RoboTwin 2.0、BEHAVIOR-1K 以及真实的 Unitree G1 人形机器人上也有出色表现。

AstraFlow是一个面向数据流的强化学习系统，支持智能体大语言模型的高效多策略协同训练与弹性扩展，训练速度相比现有系统提升2.7倍。