Astribot的SmoothRL在高难度机器人任务中的成功率翻了三倍

一项名为SmoothRL的训练管道优化方案,在无需任何新硬件的情况下,将Astribot的S1类人机器人在高难度操作任务中的成功率从39%提升至94%。

martti
2分钟阅读Posted: 2026年9月5日
Astribot的SmoothRL在高难度机器人任务中的成功率翻了三倍

Astribot的动态投掷成功率从39%跃升至94%。其笔帽放置任务的成功率从8%提升至83%。开箱任务的成功率则从30%上升至90%。 这些进步并非源于新硬件、更大规模的模型或额外的训练数据,而是源于修正了机器人强化学习算法在统计自身动作时的一个记账错误。这家总部位于深圳的公司将这一修正命名为“SmoothRL”,并于本周发布了相关成果。

Astribot 成立于 2022 年 12 月,总部位于深圳,该公司研发的 S1 是一款轮式双臂类人机器人,设计初衷是用于移动操作而非双足行走,其押注于:稳定的滚动底盘能比双腿更快地使机器人达到具有商业价值的可靠性。 SmoothRL既不是新型机器人,也不是新模型;它是针对这些系统训练方式与其实际部署运行方式之间存在的不匹配所进行的修正,而由此带来的性能飞跃幅度有力地提醒我们:在具身人工智能领域,训练方法的重要性不亚于支撑它的硬件。

机器人训练与实际运行之间的差距

大多数针对机器人的强化学习架构都假设了一个干净、同步的循环:模型生成一个动作,机器人完全执行该动作,模型观察结果,然后才计算下一步动作。 实际部署的机器人不会这样停下来等待,因为停下来思考的速度比任务要求更慢。相反,它们以异步方式运行:当模型在后台计算下一步动作时,机器人仍在持续执行当前动作,因此动作之间没有空闲时间。 由研究员王建安领导的Astribot工程师团队发现,这种提高效率的技巧悄然打破了强化学习所依赖的假设。当机器人生成一组计划好的动作序列(称为“动作块”),但在仅部分完成时,新的、更新后的动作块就覆盖了剩余部分,标准

强化学习仍然会像这些事件真的发生过一样,将功劳或责任归因于被舍弃的部分。结果,模型最终是在一种从未发生过的事件版本上进行训练。

SmoothRL 的解决方案是在每个动作块内追踪三个不同的区域:已确定区域(committed region),即在先前推理周期中已锁定的动作;执行区域(execution region),即机器人实际执行的动作;以及被丢弃区域(discarded region),即那些已被规划但因被新动作块替换而从未执行的动作。 该框架仅对执行区域应用梯度更新,因此模型完全基于机器人实际执行的行为进行学习,而非仅基于其原本打算执行的行为。 Astribot 将此方法与一项名为“部署中强化”(Reinforce in Deployment)的技术相结合,该技术在与实际部署环境相同的异步条件下训练策略,而非在干净的同步模拟环境中进行训练并寄希望于行为能够迁移。

为何改进表现为重大失误的减少

报道那些醒目的百分比数据是容易的;更有参考价值的细节在于其背后的变化。 Astribot 对 S1 机器人进行的内部测试发现,在应用 SmoothRL 修复方案后,故障性质发生了根本性转变:从抓取错误物体或与目标偏差巨大的根本性错误,转变为毫米级的位置偏差——这类偏差通过后续调整更容易纠正。 对于系统集成商而言,这种区别比成功率的单纯提升更为重要——因为偏差仅几毫米的机器人可以通过固件更新进行调校,而完全抓错物品的机器人则必须从生产线上撤下。

“动态抛掷”是SmoothRL取得最大进步的任务,这也是一个刻意设计的严苛基准测试:它要求机器人在运动中途的精确时刻释放物体,且释放后没有修正的机会,这使得

这是一项极为严苛的测试,旨在检验控制策略是否真正理解了动作的物理后果,而非仅仅对训练数据进行模式匹配。在一项对时机误差惩罚如此严厉的任务中,成功率几乎翻了两番,这与在速度较慢、容错性更高的拾取放置任务中取得的类似提升相比,具有显著不同的意义。

这对买家而言究竟意味着什么

除 Astribot 自身的测试外,上述内容均未经过独立验证,且该公司尚未公布其评估集的规模或多样性,因此具体百分比应被视为公司报告的基准数据,而非经同行评审的结果。 使这一主张比典型供应商基准测试更具可信度的原因在于:其描述的故障模式——异步执行破坏强化学习的信用分配——是一个结构性问题,会影响任何以实际运行速度进行推理的人形机器人平台,而并非仅为迎合某家公司硬件而狭隘设计的修复方案。 如果 SmoothRL 的核心洞见具有普适性,那么这将是一种方法论上的改进,竞争对手最终将不得不以某种形式采纳,无论他们是获得 Astribot 特定方法的授权,还是独立地得出类似的解决方案。

对于根据操作可靠性评估人形机器人供应商的采购团队而言,实际的启示是:不要仅仅询问“成功率是多少”这样笼统的问题。 而应询问供应商的训练管道如何处理实时推理过程中计划动作与执行动作之间的差距,因为这种差距存在于所有异步部署中,无论品牌如何;那些尚未解决这一问题的供应商,正在默默承受着可靠性损失,甚至可能连这一损失都未能准确衡量。 如果某家供应商完全无法回答这个问题,说明它仍在基于同步假设进行训练,而其硬件在每次运行时都违反了这一假设。

修复范围狭窄但影响深远

Astribot 尚未

尚未公布SmoothRL究竟何时推出,以及它将作为面向客户的更新部署到现有的S1系统中,还是作为该公司面向更广泛研究领域发布的研究成果。 无论哪种方式都至关重要。如果它成为全机队范围的软件更新,现有的 Astribot 客户无需额外硬件支出即可获得显著的可靠性提升——这正是那种由软件驱动的收益,正是这种收益使得与机器人供应商建立订阅或服务合同关系变得物有所值。 如果它仍仅作为发表的方法论存在,其真正的考验将在于独立实验室或竞争对手的人形机器人公司能否在其自有硬件上复现所报告的性能提升——这将证实该修复方案解决的是全行业普遍存在的盲点,而非 Astribot 控制堆栈特有的怪癖。

无论结果如何,这一发现都有效纠正了人形机器人报道中的一种常见误解——即认为技术进步主要源于更大型号或更先进的执行器。有时,进步恰恰源于察觉到训练模型与机器人实际动作之间悄然出现的不匹配,并加以修正。

中国类人机器人行业的更广泛趋势

Astribot的这一举措并非偶然。 随着市场日益拥挤,中国类人型机器人制造商在2026年的大部分时间里都在竞相发布差异化的技术主张,而竞争的重心正从原始硬件规格、自由度、扭矩数值、最高速度等指标,逐渐转向决定机器人是否真正可靠到足以走出展示台的软件和训练层。 SmoothRL恰好契合这一趋势:它并非关于S1在物理层面上能做什么的宣称,而是关于它能以多大程度更稳定地完成原本已能完成的任务——这既更难被伪造得令人信服,若属实,其带来的竞争优势也比规格表更为持久。

这种转变也改变了买家在评估供应商时应要求提供的证据。A

自由度数量或额定扭矩等参数,只需几分钟即可通过规格表进行核实。而关于培训方法、学分分配和异步执行的声明,则需要通过独立验证,或者需要对供应商抱有一定程度的技术信任——而大多数采购流程目前尚不具备评估这种信任的能力。 Astribot将其方法论公布得足够详细,以至于专业媒体能够描述其“三区域动作片段”机制,这种披露比那些仅声称可靠性有所提升却未解释原因的公司,要更具可验证性。 今年,任何评估类人机器人供应商可靠性主张的买家,在直接采信百分比数据之前,都应要求对方提供同等水平的机制细节。

本分析基于Astribot对SmoothRL框架的公开技术披露,以及关于其2026年9月发布内容的独立中文技术报道。本文仅供一般信息参考,不构成投资、财务或法律建议。