开源流水线把小型开放 VLM 训练成代码即策略机器人智能体。
资讯摘要
论文提出 CaPtain，一条开源后训练流水线，将小型开放视觉语言模型（VLM）训练为代码即策略（CaP）机器人智能体，测试时不依赖 VLA、前沿模型或特权状态。方法先用 GPT-6 Astra 生成的合成轨迹做 SFT，再进行多轮强化学习，并引入读取仿真器特权状态的物理评论家来分配信用。作者报告 CaPtain-4B 在 LIBERO 上经 SFT 达 55.4%、经 RL 达 73.8%，在 LIBERO-PRO 达 78.5%，并发布代码、数据与模型权重。
要点速读
- 论文提出 CaPtain 后训练流水线，将小型开放 VLM 转为 CaP 机器人智能体，测试时无需 VLA、前沿模型或特权状态。
- 训练流程为：先用 GPT-6 Astra 生成的合成轨迹做 SFT，再做多轮 RL；并引入读取仿真器特权状态的物理评论家，按各请求对成功概率的影响分配信用。
- 作者报告 CaPtain-4B 从 Qwen3.5-4B 的 0% 零样本起步，LIBERO 上 SFT 后 55.4%、RL 后 73.8%，LIBERO-PRO 达 78.5%，并发布代码、数据与权重。
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 2026/11/3 08:00:25（北京时间）。