前两天刷到一个消息，RLinf v0.3 正式发布，百度百舸同步完成适配，是国内第一家支持这个版本的云厂商。
这件事值得单独聊聊。
因为就在几天前，特斯拉Q2财报电话会上，马斯克直接开炮了整个人形机器人行业。
「你们在网上看到的那些爆火的机器人视频，大多数要么是按剧本演的，要么是后台有人远程操控。」
他说，到目前为止，全球没有任何一款人形机器人，能仅凭语音或画面指令自主完成日常任务。一款都没有。
这的确是行业内一个很普遍的现象。
当前超过90%的具身智能算法训练依赖仿真环境，但仿真里任务成功率100%的模型，一旦迁移到真机，性能普遍下降30%以上，极端场景甚至完全失效。
今年上半年有一场机器人半马赛事，赛后统计，只有四成参赛机器人实现了自主导航，其余全靠远程操控。
其实我第一次看到这些数据的时候挺吃惊的。而 RLinf + 百度百舸这套组合，恰好就是在解决这个困境，而且是十分关键的一步。
1所以为什么行业内会有这样的困境？其中有一个很核心的原因，出在当前整个研发流程是断裂的。
你可以把训练一个机器人模型想象成培养一个厨师。正常来说，一个厨师的成长路径应该是连贯的：先在厨艺学校学基础理论，然后到后厨实操练习，师傅在旁边随时指导纠正，慢慢就能独当一面了。
但现在大多数机器人团队面临的情况是，做仿真用的是一套环境和工具，训练模型用的是另一套框架，采集真机数据又要切换到第三套系统，最后部署和评测还得手动对接。每个环节之间都有巨大的工程鸿沟，全靠工程师人肉搬砖来填。
整个流程太碎了，每一步的进展都很难有效传递给下一步。
2而RLinf面对这个困境的解题思路是，从一开始就不承认鸿沟的存在。
它是由清华大学、北京中关村学院等做的开源项目，定位是全球首个面向具身智能持续进化的大规模强化学习基础设施，支持PPO、GRPO这类主流算法。
具体做法上，它提出了混合执行模式，把共享式和分离式两种资源分配方式的优点揉在一起，让GPU几乎不闲着；还搞了一套叫M2Flow的调度机制，让开发者能像写普通程序一样灵活拼训练流程，系统在背后自动做优化。
团队自己测过，在LIBERO的130个任务上，单个模型平均成功率能到98%以上，吞吐效率比基线平台高出一倍多。
开源以来，RLinf在GitHub已经攒了四千多星标，六百多次Fork，一百多位贡献者，还被Isaac Lab收进了官方训练引擎，团队和英伟达合作的项目登上了今年的GTC，也拿过EAI-100年度十大突破奖。
v0.2 版本的时候，RLinf 就已经把机器人硬件和 GPU 纳入了同一个资源调度系统，不同类型的机器人可以被自动发现和灵活分配。
到了 v0.3，数据采集、数据管理、监督微调、强化学习、模型评测、真机部署这一整条链路第一次完整打通，机器人真正能做到仿真里训练，真机上在线学习，再拿真机数据回来迭代，自己滚动着变强。
还有它的模型和算法覆盖度。v0.3 支持 DreamZero、GR00T、StarVLA 这些主流的具身基础模型，算法层面从模仿学习的 DAgger 到在线强化学习的 PPO、SAC-Flow 都有覆盖，仿真器方面接入了 Genesis、RoboVerse、IsaacLab 好几个平台。
这意味着它是想做一个通用的底层基座，不同的团队、不同的技术选型都能在上面跑起来。半年三个大版本，迭代节奏本身就说明了这个方向的需求有多旺盛。
3不过话说回来，再好的框架，没有底层算力和工程支撑，也很难真正跑起来，这也是百度百舸这次的角色。
百度百舸是百度智能云做的 AI 计算平台，在 RLinf v0.3 发布当天就完成了适配，也是国内第一家支持这个版本的云厂商。开发者在百舸上可以一键拉起 RLinf 的预制环境，比如适配 LIBERO 仿真场景的镜像，不用自己折腾环境配置。
但百舸真正的价值，在于它的 AI Infra 工程优化能力，能明显缩短模型迭代周期，把算力的性价比压榨得更彻底异步流水线、权重同步加速、显存精细管理这些听起来很底层的东西，实际上直接决定了训练效率的上限。
一个真实的例子是dVLA-RL。百度百舸团队联合上海交通大学、地瓜机器人等机构，一起做出了这套强化学习训练框架，第一次把经典的PPO算法和离散扩散VLA模型打通。
全部实验都是在百度百舸上跑的，百舸团队针对RLinf做的工程优化，明显提升了dVLA模型在强化学习阶段的训练效果。
如果说RLinf 提供的是一套完整的具身智能研发方法论和工具链，百度百舸提供的是让这套方法论高效运转的算力底座和工程优化。两者结合之后，从仿真训练到真机部署到持续迭代的整个循环才真正跑得顺畅。
目前，百舸已经服务了超过 30 家具身智能头部企业和创新中心，这个数字接下来大概率还会继续涨。
如果你在做具身智能相关的工作，很推荐去看一下 RLinf v0.3 的更新内容和百度百舸的适配方案，会很有收获。
