Robotikmeldungen zeigen meist neue Modelle und saubere Demos. RLinf v0.3 ist technischer, liegt aber genau an der Stelle, an der sich entscheidet, ob eine Demo zu einem reproduzierbaren Ablauf wird.
Die am 16. Juli von Infinigence AI, der Tsinghua University und weiteren Partnern veröffentlichte Version verbindet Datenerfassung, SFT, Reinforcement Learning, Evaluation und reale Roboterbereitstellung.
“RLinf is a flexible and scalable open-source RL infrastructure designed for Embodied and Agentic AI.”
Eine Pipeline statt eines Einzel-Features
v0.3 unterstützt sechs Embodied-Modelle, fünf Simulatoren oder Umgebungen, drei Teleoperationsmethoden, drei reale Roboterplattformen und zwei Endeffektoren. Das ist relevant, weil Robotikteams oft neue Klebeschichten bauen müssen, sobald Roboter, Kamera, Greifer, Simulator oder Datenformat wechseln.
Das Ziel ist ein portablerer Trainingsablauf. Teams können Daten per SpaceMouse, VR oder GELLO erfassen, SFT ausführen, danach mit PPO, GRPO, DSRL, RECAP oder SAC-Flow weitertrainieren und auf Franka, GimArm oder DOS-W1 ausrollen.
Die Systemschicht ist der harte Teil
RLinf v0.3 bringt Reward- und Value-Model-Komponenten, SGLang Serving, entkoppelte Environment-Ausführung, torch.compile, Rollout-Training-Overlap, bessere Gewichtssynchronisierung und FSDP Full Offload. Das arXiv-Paper meldet 1,07- bis 2,43-fachen End-to-End-Trainingsdurchsatz bei Reasoning RL und Embodied RL.
End-to-End-Support für Ascend CANN / torch-npu sowie AMD ROCm und Musa ist für chinesische Teams ebenfalls wichtig. RL-Workloads hängen stark an Scheduling, Speicher und Environment-Ausführung, nicht nur an der Spitzenleistung der Beschleuniger.
Der nächste Test ist externe Reproduktion
GitHub zeigt mehr als 4.100 Stars, 600 Forks und 100 Contributors. QbitAI verweist außerdem darauf, dass Isaac Lab RLinf als Trainingsengine für Embodied-Modelle aufgenommen hat und eine medizinische Montageaufgabe mit NVIDIA auf der GTC 2026 gezeigt wurde.
Das sind Signale, aber keine Produktionsbeweise. Jetzt zählt, ob externe Teams v0.3-Beispiele reproduzieren, ob Nicht-NVIDIA-Hardware mitzieht und ob Erfolgsraten auch auf real unterschiedlichen Robotern steigen.
Quellen: QbitAI, RLinf GitHub Repository, RLinf v0.3 Release Notes, arXiv:2509.15965, CocoLoop; geprüft wurden v0.3, sechs Modelle, fünf Simulationsumgebungen, drei Teleoperationsmethoden, drei reale Plattformen, zwei Endeffektoren, 4.100+ Stars, 600+ Forks, 100+ Contributors und der 1,07- bis 2,43-fache Trainingsdurchsatz.