先了解这件事
2026年3月19日,Physical Intelligence介绍了一种新的强化学习微调方法RLT,用于让模型快速掌握精确任务。据其说明,该方法不训练整个模型,而是在其最新模型π-0.6上增加一个RL token输出,由很小的actor和critic网络利用该输出进行快速RL学习。其核心思路是把模型内部表示压缩成简洁的特征向量,供小型actor和critic网络在机器人练习任务时实时训练。按该公司的说法,这一方式可在数小时甚至数分钟内完成微调。目前公开信息仅来自Physical Intelligence自身的介绍,尚无第三方复现或评测结果。
AI 根据公开报道生成
最新进展 · 正式报道
Physical Intelligence 详解 RLT 微调方法事件进展
1 个已确认进展
- 来源：Physical Intelligence
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
3月20日
Physical Intelligence一手
Physical Intelligence 详解 RLT 微调方法
想了解更多关于 RLT 的内容，请查看我们的博客文章：https://t.co/ayNLOWkALk
Physical Intelligence一手
Physical Intelligence 用 RLT 微调机器人精细任务
虽然整个模型训练耗时很长，但借助 RLT，我们只需少至 15 分钟的机器人数据，就能适配各个精细阶段。 我们用 RLT 微调精细任务中最精密、最关键的阶段，比如用螺丝刀把盖子装到我们的机器人手臂上。 借助 RL，机器人可以学会非常精细的任务，比如扎紧扎带，而且实际上比人类遥操作做得更稳定、更快速。 想了解更多关于 RLT 的内容，请查看我们的博客文章：https://t.co/ayNLOWkALk
Physical Intelligence一手
Physical Intelligence：RL 让机器人学会扎扎带
借助 RL，机器人可以学习非常精细的任务，比如扎扎带，而且实际上能比人类遥操作更稳定、更快速地完成。
Physical Intelligence一手
Physical Intelligence 用 RL token 微调 π-0.6
RL token（RLT）的核心思路是，把我们模型（如 π-0.6）的内部表示压缩成一个简洁的特征向量，供一个非常小的 actor 和 critic 网络使用，该网络能在机器人练习任务的同时实时训练。
Physical Intelligence一手
Physical Intelligence 用 RLT 微调精细任务
我们用 RLT 微调精细任务中最精确、最关键的阶段，例如用螺丝刀将盖子安装到我们的一个机器人手臂上。 虽然整个模型训练耗时很长，但借助 RLT，我们只需少至 15 分钟的机器人数据就能适配单个精确阶段。 借助 RL，机器人可以学习非常精确的任务，比如扎紧扎带，而且实际上能比人工遥操作更稳定、更快速地完成。 想了解更多关于 RLT 的信息，请查看我们的博客文章：https://t.co/ayNLOWkALk
Physical Intelligence一手
Physical Intelligence 为 π-0.6 提出 RL token 微调方法
Physical Intelligence 开发了一种 RL 方法，可在数小时甚至数分钟内为模型微调出精确任务能力。该方法不训练整个模型，而是在其最新模型 π-0.6 上增加一个 RL token 输出，由很小的 actor 和 critic 网络使用该输出进行快速 RL 学习。其核心思路是把模型内部表示压缩成简洁的特征向量，供小型 actor 和 critic 网络在机器人练习任务时实时训练。