Physical Intelligence 提出 RLT 与 GSBR 两种机器人学习新方法

Physical Intelligence 团队新提出 RLT 和 GSBR 两种机器人学习方法，专门用来解决机器人在现实环境里做操作任务时训练难、样本消耗大、泛化能力弱的问题，RLT 侧重强化学习的时序轨迹优化，GSBR 用来做基于目标的行为重采样，两个方法搭配在一起，能让机器人用更少的真实交互数据学会抓取、摆放、组装这类物理操作，降低实体机器人训练的成本，对实体机器人、具身智能研究有比较大的参考价值。

在具身智能研究里，实体机器人直接在真实世界试错成本很高，碰坏物品、长时间占用硬件、采集数据慢都是常见痛点，传统强化学习需要大量交互样本，很不适合真机训练。Physical Intelligence 设计 RLT 和 GSBR，就是针对这个痛点做优化，RLT 优化轨迹层面的强化学习更新逻辑，GSBR 从已有的数据里筛选、重采样有效目标样本，把无效、低质量的样本过滤掉，提升每一轮训练的利用效率。

RLT 与 GSBR 方法基础清单

• 提出方：Physical Intelligence
• RLT：轨迹级强化学习方法，优化时序动作轨迹
• GSBR：基于目标的行为重采样方法，筛选高质量样本
• 适用场景：实体机器人操作任务、具身智能训练
• 核心优势：减少真机交互样本、提升训练收敛速度、提升跨场景泛化
• 局限：目前主要是学术方案，距离大规模落地商用还有距离

训练使用简要流程

1. 机器人在环境中采集交互轨迹数据，包含成功、失败样本
2. 使用 GSBR 对数据集做目标导向重采样，过滤低价值样本
3. 送入 RLT 模块做轨迹层面的强化学习更新
4. 在仿真环境先验证策略，再迁移到实体机器人测试
5. 根据真机反馈循环迭代数据集和模型策略

新旧方案对比表

RLT 和 GSBR 是一套配合使用的训练方案，不是独立的机器人模型。这套思路重点解决具身智能里 “真机采样贵” 的核心难题，后续还需要更多工程适配、仿真到真机的迁移优化，才能用到量产机器人上。

【相关 FAQ 】

问题 1：Physical Intelligence 提出的 RLT 与 GSBR 方法分别是干什么的？

回答 1：Physical Intelligence 提出 RLT 与 GSBR 方法，RLT 是轨迹强化学习方法，负责优化机器人动作轨迹；GSBR 是目标导向行为重采样方法，负责筛选高质量训练样本，二者搭配用于机器人具身学习。

问题 2：Physical Intelligence 提出 RLT 与 GSBR 方法之后，可以直接装在商用机器人上使用吗？

回答 2：Physical Intelligence 提出 RLT 与 GSBR 方法属于学术研究方案，目前还没有成熟工程版本，暂时不能直接部署到商用机器人，需要后续工程改造和适配。

问题 3：Physical Intelligence 提出 RLT 与 GSBR 方法，相比传统强化学习好在哪？

回答 3：Physical Intelligence 提出 RLT 与 GSBR 方法，依靠 GSBR 重采样提升数据利用率，RLT 优化轨迹学习，能够减少实体机器人和真实环境交互的次数，降低真机训练成本。

【参考资料】

[2026-11-05]（Physical Intelligence 提出 RLT 与 GSBR 方法）机器之心

[2026-11-05]（Physical Intelligence 发布 RLT、GSBR，面向具身机器人学习）AI 前线

[2026-11-04]（Physical Intelligence 论文解读：RLT 与 GSBR 用于机器人操作学习）量子位

【免责声明】

本文仅为资讯整理，RLT 与 GSBR 方法的具体实现细节、实验指标、开源情况以 Physical Intelligence 论文和官方发布为准，不构成机器人算法选型、落地开发建议。