CaPtain: 一种用于代码即策略机器人智能体的后训练流水线

研究人员提出CaPtain，一个将小型开源视觉语言模型(VLM)训练为代码即策略(CaP)机器人智能体的开源后训练流水线。该方法通过监督微调(SFT)和多轮强化学习(RL)，使Qwen3.5-4B模型在LIBERO基准测试上达到73.8%成功率，在LIBERO-PRO上达到78.5%，超越了多个前沿模型智能体。