CaPtain：小VLM后训练为代码即策略机器人智能体

Yijia Fan 等作者提交预印本论文 CaPtain，提出一套开放后训练流程，把小型开源视觉语言模型训练成代码即策略（CaP）机器人智能体，测试时不依赖 VLA、前沿模型或特权状态。流程先在 GPT-6 Astra 生成的合成轨迹上做监督微调，再做多轮强化学习；作者称因单次请求的物理影响常延迟数轮才显现，引入读取策略不可见仿真特权状态的物理评论器，按各请求对预测成功概率的改变分配信用。 以 Qwen3.5-4B 为起点（零样本 0%），作者称 CaPtain-4B 在留出 LIBERO 任务上经监督微调达 55.4%、经强化学习达 73.8%；在 LIBERO-PRO 上达 78.5%，超过若干前沿模型智能体，强化学习增益在三套扰动测试中保持（+17.6 至 +21.2 点）。作者还称未做目标域训练即在 SimplerEnv WidowX 上达 83.3%，在 CaP-Bench 上超过前沿模型，并仅经仿真适配后运行于真实机器人。上述为预印本作者自述，未经同行评议或独立验证。作者称已发布全部代码、数据和模型权重。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。