兩連入選RSS 2026 ！北京中關村學院與清華大學、無問芯穹等聯合團隊兩項成果被機器人領域頂級學術會議錄用

來源:公眾號"北京中關村學院”

鏈接：https://mp.weixin.qq.com/s/YfC_vc-I6xebAR1_tlZa4Q

近日，機器人領域頂級學術會議 Robotics: Science and Systems (RSS) 2026 公布錄用結果，今年會議僅接收了210篇論文。北京中關村學院與清華大學、無問芯穹等聯合團隊的兩項成果成功入選，充分展現了該團隊在強化學習算法及系統、具身智能等前沿方向上的深厚的技術積累與領先的研究實力。

RSS 2026

RLinf-USER：面向具身智能的真實世界可擴展在線策略學習系統

近年來，隨著具身智能的發展，研究范式正逐步從“仿真訓練+真實部署”轉向直接在真實世界中進行在線策略學習。然而，與仿真環境不同，真實世界具有不可加速、難以復位、成本高昂以及設備異構等特點，使得數據采集效率低、訓練過程不穩定，傳統依賴同步訓練和單機資源的強化學習系統難以擴展。因此，真實世界策略學習的瓶頸不再僅僅是算法問題，而本質上是一個系統問題。

針對這一挑戰，本文提出了一個統一且可擴展的真實世界在線策略學習系統RLinf-USER，從系統層面重構機器人學習范式。在規模化在線策略學習場景下，存在大規模異質硬件資源（機器人、端云計算卡）難以統一管理和調度的問題，USER采用統一硬件抽象層，將機器人硬件與計算硬件放在相同層級管理，實現“像使用GPU一樣使用機器人” ，具有高度可擴展性。

針對具身大模型在端云協同訓練時面臨的端云網絡跨域互通困難、集中式通信跨域開銷大等問題，USER設計了自適應通信平面，通過網絡隧穿和分布式數據通道降低跨域通信負擔，實現流量本地化, 完成了跨越千里的端云協同訓練（北京、深圳兩地多機同時學習），跨域場景下學習效率提升約3倍。針對仿真世界同步訓練架構效率低的問題，USER設計了全異步訓練架構，解耦數據生成、傳輸、訓練與權重同步，訓練吞吐提升5.7倍。針對長周期在線學習中多模態數據體量持續增長、純內存緩沖區容量受限、純磁盤存儲難以滿足高頻采樣需求的問題，USER設計了持久化緩存感知緩沖區,通過內存緩存與磁盤持久化存儲協同，結合動態索引組織與異步存取機制，實現了海量歷史數據的高效采樣與持續復用。此外，USER在統一的接口下，還支持多樣的學習組件（多種模型、算法和獎勵函數），模塊化的設計易于二次開發。

近年來，視覺-語言-動作（VLA）模型正成為具身智能的重要基礎，而強化學習（RL）為進一步提升任務成功率提供了關鍵手段。然而，當前 VLA 的 RL 研究仍存在三方面問題：一是模型、算法與仿真器相互割裂，缺乏統一平臺，難以公平比較與靈活擴展；二是渲染、推理與訓練之間耦合緊密，系統資源利用不足，效率受限；三是缺少系統性的訓練經驗總結，導致性能提升不穩定、復現成本較高。

為此，本文提出 RLinf-VLA，一個面向 VLA 強化學習的統一高效框架，其核心特點可概括為“多、快、好”。“多”在于通過統一接口支持多種 VLA 模型、RL 算法與異構仿真器，提升擴展性與評測一致性；“快”在于針對 RL 流水線設計靈活資源分配機制，并為 GPU 并行仿真提出混合細粒度流水線策略，實現1.61倍—1.88倍的訓練加速；“好”在于基于該框架訓練的模型在 LIBERO、ManiSkill 和 RoboTwin 等基準上取得約20%-85%的穩定性能提升，并進一步總結出一套有效的訓練實踐。RLinf-VLA 為具身智能中的 VLA 強化學習研究提供了一個統一、高效且可復現的基礎系統。

接連拿下兩個RSS頂會收錄的亮眼成果，既是北京中關村學院攜手清華大學、無問芯穹等聯合團隊科研創新能力的有力佐證，更是產學研協同研發模式高效賦能前沿探索的生動體現。面向未來，學院將持續聚焦具身智能前沿賽道，深化跨主體產學研聯動創新，以硬核技術積淀，為行業落地應用構筑穩固核心支撐。

論文鏈接：

https://arxiv.org/abs/2602.07837

https://arxiv.org/abs/2510.06710