_{RLinf: 为具身智能和智能体而生的强化学习框架}

RLinf 是一个灵活且可扩展的开源框架，专为具身智能和智能体而设计。名称中的 “inf” 既代表 Infrastructure，强调其作为新一代训练坚实基础的作用；也代表 Infinite，寓意其支持开放式学习、持续泛化以及智能发展的无限可能。

最新动态

• [2026/03] 🔥 RLinf 支持 FUSCO 来加速 Megatron 中 MoE 模型的 All-to-All 通信。文档：FUSCO，论文：FUSCO: High-Performance Distributed Data Shuffling via Transformation-Communication Fusion。
• [2026/03] 🔥 RLinf 支持多智能体强化学习。网站： WideSeek-R1， 快速启动： 快速启动，论文: WideSeek-R1: Exploring Width Scaling for Broad Information Seeking via Multi-Agent Reinforcement Learning。
• [2026/03] 🔥 RLinf支持了XSquare Turtle2双臂机器人真机强化学习。文档：XSquare Turtle2 真机强化学习。
• [2026/02] 🔥 RLinf 支持对视觉语言模型的监督微调。文档: VLM SFT。
• [2026/02] 🔥 RLinf 支持 DSRL（基于扩散模型的 SAC 强化学习），通过在潜在噪声空间训练轻量级 SAC 智能体来引导预训练的 Pi0 扩散策略。文档：DSRL for Pi0。
• [2026/02] 🔥 RLinf支持rStar2的强化学习微调。 文档: rStar2。
• [2026/02] 🔥 RLinf 支持 π₀ 和 π₀.₅ 的仿真-真实协同训练。文档：仿真-真实协同训练。
• [2026/02] 🔥 RLinf 正式支持基于世界模型对 VLA 进行强化学习微调，文档：WoVR， 论文：WoVR: World Models as Reliable Simulators for Post-Training VLA Policies with RL。
• [2026/02] 🔥 RLinf 支持基于 Wan World Model 对 VLA 进行强化学习微调，文档：RL on Wan World Model。
• [2026/02] 🔥 RLinf 现已上线 PyPI ，可以通过pip作为库安装。文档：作为库安装。
• [2026/02] 🔥 RLinf真机在线学习系统的论文 RLinf-USER: A Unified and Extensible System for Real-World Online Policy Learning in Embodied AI 发布了！文档：RLinf-USER。
• [2026/02] 🔥 RLinf 支持 Dexbotic 强化学习微调。文档：RL on Dexbotic Model。
• [2026/02] 🔥 RLinf 支持基于 GSEnv 的 Real2Sim2Real 强化学习。文档：RL with GSEnv。
• [2026/01] 🔥 基于OpenSora World Model的强化学习微调已经上线！文档：RL on OpenSora World Model。
• [2026/01] 🔥 基于RoboTwin的强化学习微调已经上线！文档：RL on RoboTwin。
• [2026/01] 🔥 RLinf 支持流匹配策略的 SAC 训练，包含仿真和Franka真机环境。文档：SAC-Flow，论文：SAC Flow: Sample-Efficient Reinforcement Learning of Flow-Based Policies via Velocity-Reparameterized Sequential Modeling。
• [2025/12] 🔥 RLinf支持Search-R1的强化学习微调，相比原版实现加速 55%！ 文档: Search-R1。
• [2025/12] 🔥 RLinf v0.2-pre 发布！真机Franka的强化学习已经上线。 文档：RL on Franka in the Real World。
• [2025/12] 🔥 基于RoboCasa的强化学习微调已经上线! 文档：RL on RoboCasa。
• [2025/12] 🎉 RLinf正式发布v0.1版本。
• [2025/11] 🔥 基于CALVIN的强化学习微调已经上线! 文档：RL on CALVIN。
• [2025/11] 🔥 基于IsaacLab的强化学习微调已经上线! 文档：RL on IsaacLab。
• [2025/11] 🔥 RLinf现在已经支持强化学习微调GR00T-N1.5！文档：RL on GR00T-N1.5。
• [2025/11] 🔥 基于Metaworld的强化学习微调已经上线! 文档：RL on Metaworld。
• [2025/11] 🔥 基于Behavior 1k的强化学习微调已经上线! 文档：RL on Behavior 1k 。
• [2025/11] lora微调支持π₀和π₀.₅模型。
• [2025/10] 🔥 π₀和π₀.₅模型的强化学习微调已经上线! 文档：π₀和π₀.₅模型强化学习训练，论文：π₀ 与 π₀.₅ 模型强化学习微调技术报告，机器之心与具身智能之心报道：《RLinf上新πRL：在线强化学习微调π₀ 和 π₀.₅》, 《清华大学最新！πRL：用在线强化学习让机器人 “边学边做” 的通用方案》。
• [2025/10] 🔥 RLinf 正式支持在线强化学习！文档：coding_online_rl，相关推送：《首个开源的Agent在线强化学习框架RLinf-Online！让你的Agent今天比昨天更聪明》。
• [2025/10] 🔥 RLinf算法技术报告已正式发布，文档：RLinf-VLA，论文：《RLinf-VLA：一个统一且高效的VLA+RL训练框架》。
• [2025/09] 🔥 我们的论文 《RLinf: Flexible and Efficient Large-scale Reinforcement Learning via Macro-to-Micro Flow Transformation》已正式发布，文档：RLinf，机器之心关于 RLinf 的报道：《首个为具身智能而生的大规模强化学习框架RLinf！清华、北京中关村学院、无问芯穹等重磅开源》。
• [2025/08] RLinf 已经开源，正式的 v0.1 版本即将发布。

核心特性

RLinf具有高度灵活性，可支持多种强化学习训练工作流（PPO、GRPO、SAC等），同时隐藏了分布式编程的复杂性。用户无需修改代码即可轻松将强化学习训练扩展至大量GPU节点，满足强化学习训练日益增长的计算需求。

这种高灵活性使 RLinf 能够探索更高效的调度与执行模式。在具身强化学习中，混合执行模式的吞吐量可达现有框架的 2.434 倍。

多后端集成支持

• FSDP + HuggingFace/SGLang/vLLM: 快速适配新模型与新算法，非常适合初学者和快速原型验证。
• Megatron + SGLang/vLLM: 针对大规模训练进行了优化，为专家用户提供最大化效率。

具身智能

智能体强化学习