开源9B视觉语言模型从0/100做到84/100:EmbodyAgent把黑盒教师、SFT与在线强化学习串成一条后训练流水线
EmbodyAgent把开源权重的9B视觉语言模型训练成能写Python控制代码的闭环机器人智能体。未经后训练的Qwen3.5-9B在十个LIBERO Spatial任务的100个留出初始状态上全部因输出格式不合规而失败,仅用教师轨迹做监督微调也只到14/100;在智能体自己采样的回合上做在线结果强化学习后升到84/100,测试时每回合模型调用中位数从36降到11。三个阶段共用同一个只暴露原始观测与七维末端控制的执行接口,不需要动作解码器。