RLinf官方已正式支持MUSA后端运行，并上线相应部署文档；同时，官方CI自0.3版本起接入摩尔线程MTT S5000，所有代码commit在合入主分支前均须基于国产算力完成自动化验证。与此同时，双方正联合打造基于国产GPU的端云协同具身智能框架，云端采用MTT S5000、端侧采用MTT E300，覆盖训练、推理、仿真与渲染全场景。

一、RLinf框架：面向具身智能的“仿训推一体化”架构

RLinf是首个面向具身智能的大规模强化学习开源框架，其核心设计目标是打通渲染、训练、推理在系统层面的割裂。

• 设计哲学：坚持“同一份代码，改YAML就能换布局”。通过M2Flow编程范式降低开发复杂度，并利用一个队列解耦生产与消费，官方数据显示该架构可使系统吞吐达到2.43倍。
• 算法演进：Flow-Noise与Flow-SDE系列算法在主流测试集上带来30%~50%的性能提升；USER系统允许开发者“像使用GPU一样使用机器人”；RL-Co实现了仿真与真机的联合训练。
• 工程闭环：RLinf将原本割裂的四段后训练收敛为一条原生工程闭环，以LeRobot数据契约为桥，加速自定义脚本向RLinf原生编排层平移。

二、底层算力适配：MUSA后端接入与CI共建

RLinf官方已正式支持MUSA后端运行，并上线部署文档。自0.3版本起，官方CI（持续集成）已接入摩尔线程MTT S5000，所有代码commit在合入主分支前均须基于该国产算力完成自动化验证。这标志着国产算力与具身RL框架进入双向“共建”阶段。

三、实测验证：WoVR负载下的训练曲线对齐

为了验证MTT S5000承载前沿具身RL负载的能力，团队在RLinf框架上对WoVR负载完成了全量适配与复现。

• 实验配置：采用GRPO算法进行rollout action，使用WAN世界模型根据action想象执行结果，最后使用ResNet评估对错并给出奖励用于GRPO训练。全程无需真实机器人参与。
• 控制变量：在248个并行环境下，保持相同配方与随机种子，跑通LIBERO的Spatial与Goal两个任务套件。
• 对齐结果：在191步共同窗口内，S5000与国际主流GPU的训练曲线逐步相关系数达到r=0.976。在真机LIBERO-Spatial评估中，两套硬件训练出的策略成功率完全对齐。

四、性能优化：单步耗时拆解与算子级优化

针对全量适配后的性能瓶颈，团队对单步耗时进行了逐相拆解，并实施了三项核心工程改造：

• 图像处理迁移：将图像处理从主机端（Host）迁移至GPU端。
• 数值检查合并：去噪循环的数值检查由每步5次合并为整轮一次。
• 数据类型替换：热路径上的Python标量替换为0维设备张量。

优化成效：

• 整步耗时从2549秒降至1888秒（下降26%）。
• Env交互耗时降低14%，Rollout出动作耗时降低20%。
• GPU空转率由18.5%大幅压缩至3.1%。
• 算子级基准测试显示，S5000的GEMM与注意力性能达到国际主流GPU的1.6-2倍。

五、真机实战：双臂装配GPU的策略自进化飞轮

在具体的具身任务中，团队展示了基于π0.5模型的双臂机器人装配GPU（毫米级卡槽对准）的高难度实战。

数据飞轮构建：

• 阶段一：基于240条PICO双臂遥操作数据做全参数微调（SFT），真机初始成功率仅20%。
• 阶段二：通过三轮DAgger补齐OOD（分布外）状态，配合RECAP针对“斜靠卡槽”、“对准偏差”做定向纠偏。
• 阶段三：插入阶段引入RL Token，最终真机成功率稳定至92%，精细操作耗时缩短39.5%。

算力底座：MUSA将π0.5全量训练直接落到了单台8卡S5000上，四个阶段共用一套技术栈，无需切换运行环境。

六、真机控制端：低时延与平滑执行

针对云端推理带来的时延问题，系统通过以下技术实现精准控制：

• 动作分块：将419ms的云端指令赶在530ms执行周期结束前送达。
• 平滑处理：叠加RTC补偿、时序融合与Ruckig规划，将机械臂18.5°的动作跳变平滑压制到0.23°。
• 端云协同：未来规划按“可运行、可加速、可闭环、可验收”四步向端侧SoC芯片迁移，实现“云端训练和发布，端侧承担推理、RTC与轨迹执行”。

七、仿真与场景重建支撑

• 4DGS高保真重建：团队披露了面向具身操作的4DGS方案，可从操作台的多目视频端到端重建3D动态场景，为RL后训练与Sim2Real提供数据与评估支撑。
• 生态适配：MUSA已适配Newton、MuJoCo等主流物理仿真引擎，并接入RoboTwin等仿真环境。极佳视界基于MTT S5000与夸娥集群，联合完成了驾驶世界模型、具身世界模型的训练适配。其GigaBrain-0.7在四项精细操作任务评测中，平均成功率由SFT基线的30%经离线RL提升至57.5%，在线RL后进一步提升至100%。