開發生態
光輪智能於 CoRL 2026 發布 RoboFinals RL Envs,首發展示逾 8 分鐘汽車維修長程模擬任務
量子位單一來源
尚未逐項核實
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

據報導,在 CoRL 2026 期間,光輪智能發布面向機器人模型的強化學習模擬環境「RoboFinals RL Environments」(RoboFinals RL Envs)。該環境以真實工作任務為導向,首發展示了一項耗時超過 8 分鐘的長程汽車維修模擬任務。
該汽車維修任務將具備十餘至二十多個自由度的靈巧手操作、工具使用、多階段流程,以及軟管、線纜、密封墊等可變形柔體交互組織於同一任務鏈中。相較於抓取放置等單一動作,該環境要求前後步驟具備狀態繼承性,前階段導致的物體姿態與接觸變化會延續至後續操作,用以模擬長程任務中的誤差累積。
RoboFinals RL Envs 底層採用光輪自研的「SimFoundry」模擬底座,包含三大環節:求解器負責剛體、關節體與柔性體計算;測量環節獲取真實物理參數;生成環節則由 AI Agent 驅動資產重建、物理建模與任務定義。為解決柔體在模擬中的異常抖動,該系統導入 Agentic 自動化校準流程,由 Agent 搜尋軟管楊氏模量等關鍵參數並由專家拍板,將樣例中的最大位置偏差縮小約 3 毫米。
在架構設計上,RoboFinals RL Envs 與評測基準「RoboFinals Benchmark」共享任務語意與場景資產,但將訓練任務、獎勵調參過程與獨立評測實例嚴格分離。發布展示的策略迭代顯示,機械手在訓練第 5 步時出現動作抖動且未抓取,第 150 步時螺絲滑落,至第 175 步時成功抓起螺絲完成操作。
讀原始報導