Astribot 的 SmoothRL 在高難度機器人任務中將成功率提升至三倍

一項名為「SmoothRL」的訓練管道改進方案,在無需任何新硬體的情況下,將 Astribot 的 S1 人形機器人在高難度操作任務中的成功率從 39% 提升至 94%。

martti
2分鐘閱讀Posted: 2026年9月5日
Astribot 的 SmoothRL 在高難度機器人任務中將成功率提升至三倍

Astribot 的動態投擲成功率從 39% 躍升至 94%。其筆蓋放置任務的成功率從 8% 提升至 83%。拆封包裹的成功率則從 30% 上升至 90%。 這些進步並非源自新硬體、更強大的模型或額外的訓練資料,而是來自於修正機器人強化學習演算法在計算自身動作時的一項記帳錯誤。這家總部位於深圳的公司將此修正稱為「SmoothRL」,並於本週發表了相關成果。

Astribot 成立於 2022 年 12 月,總部位於深圳,專門研發 S1 機器人——這是一款輪式雙臂類人型機器人,設計重點在於移動式操作而非雙足行走,該公司認為,穩定的滾動底盤能讓機器人更快達到商業實用的可靠性,這點比雙腿設計更為優越。 SmoothRL 並非新型機器人或新模型;它是針對這些系統在訓練方式與實際部署後運行方式之間的不匹配所做的修正,而由此帶來的性能飛躍幅度,有力地提醒我們:在具身人工智慧領域中,訓練方法的重要性可能不亞於支撐它的硬體。

機器人訓練方式與實際運作方式之間的落差

大多數針對機器人的強化學習架構,都假設存在一個乾淨且同步的迴圈:模型產生一個動作,機器人完全執行該動作,模型觀察結果,然後才計算下一步動作。 實際部署的機器人並不會如此閒置等待,因為停下來思考的速度比任務所需更慢。相反地,它們以非同步方式運作:當模型已在背景中計算下一步動作時,機器人仍持續執行當前的動作,因此動作之間沒有空檔。 由研究員王建安帶領的 Astribot 工程團隊發現,這項提升效率的技巧,其實悄然打破了強化學習所依賴的假設。當機器人生成一組預先規劃的動作序列(稱為「動作區塊」),但在僅部分完成之前,新的更新區塊便已覆寫剩餘部分時,標準的

強化學習仍會將功勞或責任歸咎於被捨棄的部分,彷彿這些事件確實發生過一般。結果,模型最終是根據一組從未發生的事件來進行訓練。

SmoothRL 的解決方案是追蹤每個動作區塊內的三個不同區域:已確定區域(committed region),即先前推論週期中已鎖定的動作;執行區域(execution region),即機器人實際執行的動作;以及被捨棄區域(discarded region),即原本規劃但因被較新的區塊取代而從未執行的動作。 該框架僅將梯度更新應用於「執行區域」,因此模型完全基於機器人實際執行的動作進行學習,而非僅僅基於其原本的意圖。 Astribot 將此與其稱為「部署中強化(Reinforce in Deployment)」的技術結合,該技術是在機器人實際將面臨的相同異步條件下訓練策略,而非在乾淨的同步模擬環境中進行訓練,並寄望行為能轉移到真實環境。

為何改進體現為重大失誤的減少

報導那些醒目的百分比數據是容易的部分;更具參考價值的細節在於其背後的變化。 Astribot 針對 S1 進行的內部測試發現,在採用 SmoothRL 修正方案後,失敗的性質發生了根本性轉變:從基礎性錯誤(例如機器人抓取錯誤物件或大幅偏離目標)轉變為毫米級的定位偏差,而這類偏差透過後續調整要容易修正得多。 對系統整合商而言,這種區別比成功率的絕對提升更為重要,因為僅偏差幾公釐而失敗的機器人,可透過韌體更新進行微調;但若因抓取完全錯誤的物件而失敗,則必須將該機器人從生產線上撤下。

「動態拋擲」這項任務——也是 SmoothRL 表現提升最顯著的領域——是一項刻意設計的艱難基準測試:它要求機器人在運動過程中精準地在恰當的瞬間釋放物體,且釋放後毫無修正的餘地,這使得

這是一項極為嚴苛的測試,用以檢驗控制策略是否真正理解某項動作的物理後果,而非僅是針對訓練資料進行模式比對。在如此嚴苛地懲罰時序錯誤的任務中,成功率幾乎提升至三倍,這與在速度較慢、容錯度較高的「拾取與放置」任務中取得的類似進步相比,具有實質上的差異。

這對買家而言究竟意味著什麼

上述成果均未經 Astribot 自身測試以外的獨立驗證,且該公司亦未公布其評估資料集的規模或多樣性,因此具體百分比應被視為公司自報的基準,而非經同儕審查的結果。 使這項主張比典型供應商基準更具可信度的關鍵在於:其所描述的失敗模式——即異步執行破壞強化學習的信用分配——是一個結構性問題,會影響任何以真實世界速度執行推論的人形機器人平台,而非僅為取悅某家公司的硬體而狹隘設計的修正方案。 若 SmoothRL 的核心洞見具有普適性,這將是競爭對手最終必須以某種形式採用的方法論改進——無論是取得 Astribot 特定方法的授權,還是獨立研發出類似的解決方案。

對於評估人形機器人供應商操作可靠性的採購團隊而言,實際的啟示在於,應提出比「你們的成功率是多少」更具體的問題。 相反地,應詢問供應商的訓練管線如何處理即時推論過程中「預定動作」與「實際執行動作」之間的落差,因為無論品牌為何,這種落差在每種非同步部署中都存在,而尚未解決此問題的供應商,正默默承受著可靠性上的代價——他們甚至可能連這項指標都未能正確衡量。 若供應商完全無法回答這個問題,則表示該公司仍在基於同步假設進行訓練,而其硬體卻在每次運行時都違反此假設。

修補範圍狹窄卻影響深遠

Astribot 尚未

尚未宣布 SmoothRL 究竟會以面向客戶的更新形式,部署於現有的 S1 系統中,還是僅作為該公司為更廣泛領域發表的研究成果。 這兩種途徑都至關重要。若其成為全車隊的軟體更新,現有 Astribot 客戶將無需額外硬體支出,即可獲得顯著的可靠性提升;這正是那種由軟體驅動的效益,正是這種效益,才讓與機器人供應商建立訂閱或服務合約關係變得物有所值。 若它僅作為發表的研究方法論,其真正的考驗在於獨立實驗室或競爭對手的人形機器人公司能否在自家硬體上重現報告中的成效;若能成功,將證實此修正方案確實解決了整個產業的真實盲點,而非僅是 Astribot 控制堆疊特有的異常現象。

無論如何,這項成果有效糾正了人形機器人領域報導中的一種常見假設——即進展主要來自更大的機型或更先進的致動器。有時候,進展源於察覺到訓練模型的數學運算已悄然偏離機器人的實際運作,並修正了這種不匹配。

中國類人型機器人產業的整體趨勢

Astribot 選擇此時發布並非偶然。 隨著市場日趨擁擠,中國人形機器人製造商在 2026 年的大部分時間裡,都在競相發布具差異化的技術主張;而這場競爭的重心,正逐漸從原始硬體規格、自由度、扭矩數值、最高時速,轉向決定機器人是否真正可靠到足以離開展示攤位的軟體與訓練層面。 SmoothRL 恰好符合這一趨勢:這並非關於 S1 能完成哪些物理動作的宣稱,而是關於它能以多麼一致的方式執行既有任務的宣稱——這點更難被說服力地偽造,而一旦屬實,相較於規格表,它將成為更持久的競爭優勢。

這種轉變也改變了買家在評估供應商時應要求哪些實證。A

自由度數量或扭力額定值等參數,只需幾分鐘即可透過規格表加以驗證。然而,關於訓練方法、信用分配及非同步執行等主張,則需要透過獨立重現來驗證,或是對供應商抱持某種程度的技術信任——而多數採購流程目前尚不具備評估此類信任的機制。 Astribot 將其方法論詳盡公開至足以讓專業媒體描述「三區域動作片段機制」的程度,這相較於僅聲稱可靠性有所提升卻未說明原因的公司而言,是一項可驗證性顯著更高的資訊披露。 今年,採購方在評估任何類人型機器人供應商的可靠性主張時,不應貿然採信百分比數據,而應要求對方提供同等程度的機制細節說明。

本分析參考了 Astribot 針對 SmoothRL 框架的公開技術披露,以及中國媒體對其 2026 年 9 月發布內容的獨立技術報導。本文僅供一般資訊參考,不構成投資、財務或法律建議。