**CaPtain：无需昂贵模型即可将小参数开源 VLM 转化为高效代码策略机器人**

_CaPtain: A Pipeline for Post-Training Code-as-Policy Robot Agents_

> 针对现有代码策略（CaP）机器人依赖昂贵闭源模型或预训练视觉语言动作模型（VLA）的局限，研究提出了 CaPtain 开源后训练框架。该框架通过监督微调（SFT）和多轮强化学习（RL），将小参数开源视觉语言模型（VLM）转化为具备强大操作能力的 CaP 代理。其核心创新在于引入物理评论家（Physical Critic），利用仿真器中的特权状态进行多轮 RL 训练，以解决物理效应延迟反馈的难题。实验表明，基于 Qwen3.5-4B 的 CaPtain 在多个机器人操作基准测试中表现优异，不仅大幅提升了成功率，还具备跨域适应能力和在真实机器人上的部署潜力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.40799)