星尘发布 SmoothRL 异步在线强化学习框架

星尘智能(Astribot)基座模型团队发布在线强化学习框架 **SmoothRL**,专门解决机器人异步推理(existing asynchronous execution)下的 RL 训练问题。真实部署中机器人不等模型算完就继续执行动作，导致模型「计划过」的动作和机器人「真正做过」的动作不再一一对应。

团队在绳驱本体星尘 S1 上用三个真机任务验证：动态投掷成功率从 39% 提到 94%,给笔戴帽从 8% 提到 83%,快递开箱从 30% 提到 90%。三项均为异步推理下高动态或高精度操作，证明在线 RL 不只能做高精度修正，也能适配不能停顿的连续动态任务。项目负责人王佳楠，技术报告已发布于官网。

💡 为什么值得看在线 RL 首适配异步真机，任务成功率跃升，具身后训练值得关注。