RL-100

RL-100: Performant Robotic Manipulation with Real-World Reinforcement Learning进阶

基于扩散策略的真机强化学习框架，8 个任务 1000 次试验全部成功

上海交通大学、上海期智研究院、清华大学等团队（许华哲等）2025 年 10 月发布，2026 年发表于 Science Robotics。它瞄准家庭和工厂部署需要的、接近熟练操作员的可靠性。框架建立在扩散视觉运动策略上，分三阶段：模仿学习人类演示、离线强化学习、真机在线强化学习，三阶段共用一个作用在去噪过程上的裁剪 PPO 目标，让改进保守稳定；再用一致性蒸馏把多步去噪压成一步，满足高频控制。在推物、保龄球、倒水、叠布、拧螺丝、榨汁、折纸盒等 8 个真机任务上取得 1000/1000 次成功，完成速度达到或超过专家遥操作员。