新浪科技讯 9 月 4 日上午消息，近日，星尘智能（Astribot） 基座模型团队发布能异步执行的在线强化学习框架 SmoothRL（Online Reinforcement Learning During Asynchronous Execution）。解决的是大模型异步推理成为真实部署常态后，与之适配的 online RL 到底该从哪些动作里学。

SmoothRL 首次将这类异步 online RL 放到真实高动态投掷任务中验证，进一步证明在线学习不仅能用于高精度修正，也能适配连续加速、精确释放、不能停顿的动态操作。

过去几年，机器人基础模型主要解决的是 " 会不会 "：用更多数据、更强模型，把能力做宽。但机器人真正进入真实环境以后，新的问题往往不是完全不会，而是差几毫米、差半拍，或者换一个物体位置就不够稳定。

SmoothRL 关注的是这之后的一层：一个已经具备基础能力的 pretrained policy，进入真实世界以后，能不能继续根据真实执行结果修正自己。SmoothRL 指向的是一个正在变得越来越具体的问题：预训练让机器人学会怎么做，真实世界里的后训练，再把这些能力练得更准、更稳、更可靠。

在模型全面发展时，星尘 "AI 模型 - 具身 OS- 绳驱本体 " 的全栈系统也在持续迭代，推动 Physical AI 的应用与规模化部署。

下一步，团队计划进一步探索更大范围的策略更新、更广泛的任务分布，以及异步执行与生成式策略端到端优化之间的结合。