AgenticRoboRL：将编码智能体后训练引入机器人规划

论文用后训练把 9B 机器人规划器成功率从 18.1% 提到 71.0%。

资讯摘要

论文提出 AgenticRoboRL 框架，用于跨不同机器人执行框架对机器人规划器进行后训练，训练方案结合监督微调与多轮强化学习，并通过各框架专用适配器把规划器交互记录与任务结果关联，使执行组件保持固定。作者报告在 LIBERO-PRO 上，9B 参数规划器成功率从 18.1% 提升至 71.0%（无外部记忆），接近 Codex（GPT-5.5）配合外部记忆的 72.1%。

要点速读

1. 训练配方为监督微调加多轮强化学习，适配 VLA 技能调用与控制代码生成等不同执行机制。
2. 作者报告 9B 规划器在 LIBERO-PRO 上成功率由 18.1% 升至 71.0%，无外部记忆。
3. 论文称将发布框架与训练后的规划器检查点。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:10（北京时间）。