Las noticias de robótica suelen favorecer nuevos modelos y demos pulidas. RLinf v0.3 es menos vistoso, pero trabaja en la parte que decide si una demo de embodied AI puede convertirse en un flujo reproducible.
La actualización, publicada el 16 de julio por Infinigence AI, la Universidad Tsinghua y colaboradores, conecta recopilación de datos, SFT, aprendizaje por refuerzo, evaluación y despliegue en robots reales.
“RLinf is a flexible and scalable open-source RL infrastructure designed for Embodied and Agentic AI.”
Una tubería completa
v0.3 suma soporte para 6 modelos embodied, 5 simuladores o entornos, 3 métodos de teleoperación, 3 plataformas reales y 2 efectores finales. Importa porque los equipos de robótica suelen rehacer integraciones cada vez que cambian robot, cámara, pinza, simulador o formato de datos.
El objetivo es hacer más portable el entrenamiento. Un equipo puede capturar datos con SpaceMouse, VR o GELLO, hacer SFT, continuar con PPO, GRPO, DSRL, RECAP o SAC-Flow y desplegar en Franka, GimArm o DOS-W1.
La capa de sistema pesa más que la demo
RLinf v0.3 añade Reward Model, Value Model, SGLang serving, ejecución de entorno desacoplada, torch.compile, solapamiento entre rollout y entrenamiento, sincronización de pesos y FSDP full offload. El paper de arXiv reporta una mejora de throughput de entrenamiento extremo a extremo de 1,07x a 2,43x en reasoning RL y embodied RL.
El soporte de extremo a extremo para Ascend CANN / torch-npu, junto con AMD ROCm y Musa, también es importante para equipos chinos. Las cargas de RL dependen de scheduling, memoria y ejecución del entorno, no solo del pico del acelerador.
La prueba será reproducirlo fuera
GitHub muestra más de 4.100 stars, 600 forks y 100 contributors. QbitAI también señala que Isaac Lab incorporó RLinf como motor de entrenamiento para modelos embodied y que una tarea de ensamblaje médico con NVIDIA apareció en GTC 2026.
Son señales útiles, pero no prueban despliegue productivo. Ahora hay que mirar si equipos externos reproducen ejemplos v0.3, si hardware no NVIDIA acompaña la rama principal y si las mejoras de éxito sobreviven a robots reales distintos.
Fuentes: QbitAI, repositorio GitHub de RLinf, RLinf v0.3 Release Notes, arXiv:2509.15965, CocoLoop; se verificaron el lanzamiento v0.3, 6 modelos, 5 entornos de simulación, 3 métodos de teleoperación, 3 plataformas reales, 2 efectores finales, 4.100+ stars, 600+ forks, 100+ contributors y el throughput de entrenamiento de 1,07x-2,43x.