当下的具身智能产业，正站在从“数据集驱动”迈向“经验驱动”的关键拐点上。机器人不再满足于静态模仿，而是需要在真实世界中持续学习、在线进化。但在现实中，强化学习流程复杂、系统组件异构、资源形态多样以及真实世界在线学习难以规模化等关键问题，成为影响具身智能走进真实世界的行业痛点。
针对强化学习中“参数难调、结果难复现”的行业内痛点，RLinf 始终将训练效果的严格可复现作为核心标准。在此次 v0.3 正式发布前，研发团队已对海量应用示例完成了深度的复现性测试，详见v0.3 Release Notes。
值得关注的是，https://rlinf–1379.org.readthedocs.build/zh-cn/1379/rst_source/resources/release_v0.3.html
模型支持：基于 WAN2.1/2.2 视频生成世界模型微调的 VLA 策略，集成进 SFT 工作流，通过 FSDP2/CUDA Graph 等系统级加速取得近
（Diffusion Steering via Reinforcement Learning）扩展至 Pi0.5 AI模型。
RLinf v0.1 和 v0.2 分别完成了强化学习系统抽象与真实世界在线学习基础设施建设。新版RLinf v0.3
五个维度，进行了全面升级，系统性地降低具身智能研制门槛，升级训练效率与部署灵活性，覆盖更加丰富的具身智能开源生态。
训练兼容（Antmaze / Kitchen-Adroit / MuJoCo，基于 FSDPStrategy）。
全球第一个面向具身智能持续进化的大规模强化学习基础设施项目 RLinf，正式宣布升级为 RLinf v0.3，
新版在真机 RL、仿真 RL 和人在环学习三个方向均有关键算法新增，表现出SOTA的真机任务成功率。具体：
RLinf v0.3继续扩展模型生态，新增 6 款具身模型支持，涵盖世界模型、VLA 模型及系统级加速：
在线模仿学习算法支持（LIBERO、ManiSkill、RoboTwin、真机 PnP 多场景）。
https://docs.neogpu.com/posts/rlinf-ppo-vla.html
RLinf v0.3来了！从大模型生态到真机部署五大表现水平跃升，无问芯穹与清华大学联合打造
由此，RLinf不仅能够高效训练机器人策略，更能够支撑机器人在真实世界中的长期持续进化。
https://cloud.baidu.com/doc/AIHC/s/fmrenj9u1
：在 v0.2 基础上扩展支持 MLP 等新策略，并新增 async DSRL 配置。
等关键环节，实现从仿真模型训练到真实机器人在线学习、再到持续迭代优化的统一开发闭环。
数据采集、数据管理、监督微调（SFT）、强化学习（RL）、模型评测以及真机部署
AI模型支持，在 LIBERO 上用 PPO 进行在线 RL 微调。
：https://arxiv.org/abs/2509.15965
https://github.com/RLinf/RLinf
（Human-Gated DAgger）真机在线训练提供。
为破解具身智能行业发展瓶颈构建了新一代“进化底座”！
本次发版已与包括百度智能云在内的多家云厂商协同上线。
为破解具身智能行业发展瓶颈构建了新一代“进化底座”
进一步升级为面向具身智能持续进化的一站式研制平台，
RLinf v0.3 Release Notes：
有行业分析指出，模型支持（RoboTwin 环境 SFT/RL）。
（基于离线优势估计的策略优化）训练优化流水线兼容。
算法具备，并扩展到 DOS-W1 等真机场景。
伴随技术不断成熟，商业化落地进程也在加快。
模型支持（GRPO on LIBERO）。
02 算法体系：从模仿学习到真机学习全覆盖
今天，由无问芯穹联合清华大学等共同研发的
越来越多的企业开始在这一领域布局加码。
越来越多的企业开始在这一领域布局加码。
智能模型、算法体系、真机、仿真、系统
01 模型生态：新增6款主流具身模型
不难看出，具体来说，RLinf v0.3围绕
RLinf Tech Report
GR00T-N1.6 / N1.7
整理编辑：硅基前哨