强化学习开源框架 RLinf 正式发布 v0.3 版本，首次打通从数据采集、模型训练到真机部署的完整闭环。百度智能云在发布当天即完成适配，成为国内首家支持 RLinf v0.3 的云厂商。

开发者可通过百度百舸「快速开始」功能，一键拉起 RLinf v0.3 预制开发环境（如适配 LIBERO 仿真、OpenVLA 模型训练的预置镜像），免去繁琐的环境打包与软件部署，快速跑通从框架适配到场景验证的全流程。

在最新的科研成果中，百度百舸团队联合上海交大、地瓜机器人发布 dVLA-RL 框架，首次打通 PPO 算法与离散扩散 VLA 模型的适配通路，为机器人 Foundation Model 持续自主进化奠定了技术基础。该框架的全部实验均基于百度百舸平台完成，百舸团队针对 RLinf 的深度 AI Infra 工程优化，大幅提升了 dVLA 模型在强化学习阶段的训练效果。

---

7 月 16 日，全球首个面向具身智能的强化学习开源框架 RLinf 正式发布 v0.3 版本，全面升级为面向具身智能持续进化的一站式开发平台。

百度智能云在发布当天即完成适配，成为国内首家支持 RLinf v0.3 的云厂商。 开发者可依托百度百舸平台，一键应用 RLinf 的最新能力，实现前沿开源成果向产业生产环境的高效转化。

1. RLinf v0.3 迎来里程碑升级：打通真机与仿真持续进化的「双闭环」

作为具身智能行业广泛应用的底层开发平台，RLinf 始终紧跟前沿迭代，半年内已高效完成 3 次版本重磅更新：

• v0.1 版本（2025 年 12 月）： 显著提升了复杂强化学习任务的开发与运行效率；

• v0.2 版本（2026 年 4 月）： 首次将机器人硬件与 GPU 纳入统一调度框架，实现异构机器人资源的自动发现与灵活调度；

• v0.3 版本（本次发布）： 则更进一步，首次完整打通了数据采集、数据管理、监督微调（SFT）、强化学习（RL）、模型评测及真机部署的关键环节。它实现了从「仿真训练」到「真机在线学习」、再到「持续迭代优化」的统一开发闭环，支撑机器人在真实世界中长期持续进化。

RLinf 开源项目地址：https://github.com/RLinf/RLinf

为了支撑这一闭环，RLinf v0.3 在五个核心维度进行了全面重构与升级：

• 模型生态更丰富： 新增对 DreamZero、GR00T、StarVLA、LingBot-VLA 等多种世界模型与 VLA（视觉-语言-动作）模型的支持，深度覆盖主流具身基础模型生态。

• 算法体系更完整： 扩展真机强化学习、仿真强化学习及人在环（Human-in-the-loop）学习能力；引入 DSRL、RECAP、SAC-Flow、DAgger、HG-DAgger 等代表性算法，实现从模仿学习到在线强化学习的完整训练范式。

• 真机闭环更高效： 新增多种机器人平台、遥操作方式、灵巧手及数据采集工具；完整打通 LeRobot 数据格式、SFT 训练、奖励模型（Reward Model）训练与真机部署流程，大幅降低真实机器人持续学习的工程门槛。

• 仿真环境更多元： 扩展对 Genesis、Polaris、RoboVerse、IsaacLab 等多个仿真器及 Benchmark 的支持，为大规模策略训练提供更逼真、丰富的实验环境。

• 系统底座更强韧： 新增 Value Model、SGLang 推理服务、解耦环境执行等关键组件；深度优化异步流水、权重同步、FSDP Offload、训练 Profiling 及多种显存优化机制，并全面兼容国产及 AI 计算平台，真正具备跨机器人、跨模型、跨仿真器、跨计算硬件的统一训练能力。

RLinf v0.3 详细信息，请访问 https://rlinf.readthedocs.io/en/release-v0.3/index.html

2. 百度百舸 AI Infra 工程优化协同：为 RLinf 筑牢全流程底座

基于高性能计算、极致存储系统及超大规模高速互联网络，百度百舸 AI 计算平台已搭建起完整的具身智能工作流，覆盖从数据准备、开发训练、仿真验证到推理部署的研发全链路。

本次与 RLinf 开源社区的深度合作，百度百舸将进一步为产业界提供前沿具身模型、创新算法与多元仿真环境的支持。

在产品体验层面，开发者可通过百舸的「快速开始」功能，在开发机一键拉起 RLinf v0.3 预制开发环境，例如适配 LIBERO 仿真、用于 OpenVLA 模型训练的成套预置镜像，省去繁琐的环境打包与软件部署，率先跑通从框架适配到场景验证的第一步。

在此之上，结合百度百舸平台专属的 AI Infra 工程优化能力，平台更可为上层各类具身模型的开发、训练与仿真带来极致的性能提速，大幅缩短模型迭代周期，实现算力资源性价比的极致放大。

行业实践表明，具身智能的大规模落地，既不是单点的算法突破能够完成的，也不是单纯堆砌算力就能解决的。它本质上需要前沿开源生态的算法创新、中层 AI Infra 工程优化与底层算力网络能力的协同推进。

正基于此，百度百舸正通过全方位的技术与效率赋能，以极致的 AI Infra 工程优化与算力网络能力，完美承载并加速 RLinf 生态中前沿算法与具身模型的落地应用，共同构建起具身智能持续进化的坚实底座。

3. 落地见证：dVLA-RL 发布验证百度百舸对 RLinf 的深度优化能力

在最新的学术成果中，百度百舸团队联合上海交通大学、地瓜机器人（D-Robotics）等前沿机构，联合发布了 dVLA-RL 强化学习训练框架，首次打通经典 PPO 算法与离散扩散 VLA 模型的适配通路，为机器人 Foundation Model 持续自主进化奠定了技术基础。

该框架的全部实验均基于百度百舸 AI 计算平台完成。其中，百度百舸团队针对 RLinf 进行的 AI Infra 工程优化，大幅度提升了 dVLA 模型在强化学习阶段的训练效果。

目前，百度百舸已经服务超过 30 家具身智能头部企业及创新中心。未来，百度智能云将持续携手更多科研机构与产业伙伴，依托百度百舸 AI 计算平台的极致性能与 AI Infra 工程优化能力，共同加速全球具身智能产业的创新与规模化落地。