Berita robotika biasanya menyorot model baru dan demo yang rapi. RLinf v0.3 lebih teknis, tetapi berada di titik yang menentukan apakah demo embodied AI bisa berubah menjadi proses yang dapat diulang.
Pembaruan yang diumumkan pada 16 Juli oleh Infinigence AI, Tsinghua University, dan kolaboratornya ini menghubungkan pengumpulan data, supervised fine-tuning, reinforcement learning, evaluasi, dan deployment robot nyata.
“RLinf is a flexible and scalable open-source RL infrastructure designed for Embodied and Agentic AI.”
Yang dibangun adalah pipeline
v0.3 menambah dukungan untuk 6 model embodied, 5 simulator atau environment, 3 metode teleoperation, 3 platform robot nyata, dan 2 end-effector. Angka ini penting karena tim robotika sering harus menulis ulang perekat teknis ketika robot, kamera, gripper, simulator, atau format data berubah.
Tujuannya adalah membuat pelatihan robot lebih portabel. Data dapat dikumpulkan melalui SpaceMouse, VR, atau GELLO, dilanjutkan dengan SFT, lalu PPO, GRPO, DSRL, RECAP, atau SAC-Flow, dan akhirnya diterapkan ke Franka, GimArm, atau DOS-W1.
Lapisan sistem lebih sulit dari demo
RLinf v0.3 juga menambah komponen Reward Model dan Value Model, SGLang serving, eksekusi environment yang dipisah, torch.compile, overlap antara rollout dan training, sinkronisasi bobot, serta FSDP full offload. Paper arXiv melaporkan peningkatan throughput pelatihan end-to-end 1,07x hingga 2,43x pada reasoning RL dan embodied RL.
Dukungan end-to-end untuk Ascend CANN / torch-npu serta AMD ROCm dan Musa juga penting bagi tim China. Beban reinforcement learning sangat dipengaruhi scheduling, memori, dan eksekusi environment, bukan hanya kecepatan akselerator.
Ujian berikutnya adalah reproduksi
GitHub menunjukkan lebih dari 4.100 star, 600 fork, dan 100 kontributor. QbitAI juga mencatat bahwa Isaac Lab memasukkan RLinf sebagai engine pelatihan untuk model embodied, dan tugas perakitan alat medis bersama NVIDIA tampil di GTC 2026.
Sinyal itu belum sama dengan deployment produksi. Titik verifikasi berikutnya adalah apakah contoh v0.3 dapat direproduksi tim luar, apakah hardware non-NVIDIA mengikuti cabang utama, dan apakah kenaikan tingkat keberhasilan tetap terlihat di robot nyata.
Sumber: QbitAI, repositori GitHub RLinf, RLinf v0.3 Release Notes, arXiv:2509.15965, CocoLoop; memeriksa rilis v0.3, 6 model, 5 lingkungan simulasi, 3 metode teleoperation, 3 platform robot nyata, 2 end-effector, 4.100+ star, 600+ fork, 100+ kontributor, dan angka throughput pelatihan 1,07x-2,43x.