里程碑

2026.10

RLinf v0.4 进一步聚焦真实物理场景下的强化学习需求，围绕“乐高式真机系统 + 高效率真机算法 + 全模态模型支持 + 国产算力底座”四大核心方向展开系统性迭代，重塑了真机强化学习的工程与算法范式，推动具身强化学习从技术验证走向更高效、更灵活、可复现的真实机器人应用。

2026.07

RLinf v0.3 围绕模型、算法、真机、仿真、系统五个维度进行全面升级，进一步升级为面向具身智能持续进化的一站式开发平台，首次完整打通数据采集、数据管理、监督微调（SFT）、强化学习（RL）、模型评测以及真机部署等关键环节，实现从仿真训练到真实机器人在线学习、再到持续迭代优化的统一开发闭环。

2026.05

RLinf 已通过 PyTorch 社区全面审核，符合 PyTorch 生态系统的技术规范与质量标准，获得全球 AI 开发者生态的官方认可。

2026.05

作为中国开源生态的重要组成部分，蚂蚁开源 Agentic AI Landscape 最新全景图，将生态架构划分为模型层、模型基础设施层、Agent 基础设施层三大层级。RLinf 作为智能体时代强化学习的核心基建，正式入驻模型基础设施层（Model Infra）。

2026.05

RLinf 不仅完成了对世界动作模型 DreamZero 的支持，还在实现功能适配的基础之上更进一步，依托 RLinf 强大的底层系统优化能力，对 DreamZero 的训练管线进行了深度的重构与加速。相比 DreamZero 官方提供的基线训练脚本，RLinf 成功实现了近 4 倍的训练吞吐加速，且具有更好的收敛效果。这也标志着 RLinf 的技术边界从传统大模型强化学习训练，成功拓展至具身智能、基础模型训练场景，生态覆盖范围进一步拓宽。

2026.05

RLinf-VLA 是一个面向 VLA 强化学习的统一高效框架，其核心特点可概括为“多、快、好”。“多”在于通过统一接口支持多种 VLA 模型、RL 算法与异构仿真器，提升扩展性与评测一致性；“快”在于针对 RL 流水线设计灵活资源分配机制，并为 GPU 并行仿真提出混合细粒度流水线策略，实现 1.61 倍—1.88 倍的训练加速；“好”在于基于该框架训练的模型在 LIBERO、ManiSkill 和 RoboTwin 等基准上取得约 20%-85% 的稳定性能提升，并进一步总结出一套有效的训练实践。RLinf-VLA 为具身智能中的 VLA 强化学习研究提供了一个统一、高效且可复现的基础系统。

2026.05

由计算机视觉泰斗李飞飞教授发起的 BEHAVIOR 基准虽然为具身长程任务提供了一个“高保真”的练兵场，但同时也使得模型训练“慢”且“贵”。RLinf 对 BEHAVIOR 进行了极致的系统级性能优化，成功将端到端延迟从 1028ms/step 缩短至 41ms/step，实现了 25 倍的加速。

2026.03

魔搭社区联合 CCF 智能机器人专委会、工信部装备数字孪生技术重点实验室、Lumina 具身智能社区等权威机构发布了 EAI-100（Embodied Artificial Intelligence 100）具身智能年度百项代表性成果与人物榜单，RLinf 成功入选十大突破项目。

2026.03

在 v0.2 版本，RLinf 将能力进一步扩展至真实世界，支持全异构、全异步的真机强化学习。系统通过自适应通信平面和统一硬件接口实现“像使用 GPU 一样使用机器人”，支持跨域多机真实世界强化学习。并且，系统通过训推异步支持了至少 4 种数据高效的强化学习算法与人在环功能，为可扩展的真实世界强化学习提供系统级基础设施。

2025.09

在 v0.1 版本，RLinf 打通了仿真、训练与推理的一体化流程，统一支持多种具身大模型、强化学习算法与仿真器，并进行系统性优化，在 GPU 利用效率和整体训练吞吐上显著优于现有框架，在实验评测中实现了最高 1.27 倍的整体效率提升。