具身模型强化学习

本类示例以 模型或策略类 为主线，展示如何在 RLinf 中接入特定模型家族 —— 包括 checkpoint 加载、processor / config 接线、动作头实现、轻量级 MLP 策略，以及不依赖具体基准的一份强化学习微调参考配方。

如果你的出发点是 "我想训练或微调模型 X"，这里是合适的入口。若以基准为主线请参考 基于模拟器的具身强化学习。

MLP 策略强化学习
使用 PPO、SAC 或 GRPO 在多种仿真环境中训练轻量级 MLP 策略

π₀和π₀.₅模型强化学习训练
在π₀和π₀.₅上实现强化学习的效果跃升

GR00T模型强化学习训练
支持GR00T-N1.5，N1.6与N1.7强化学习微调

基于 Lingbot-VLA 模型的强化学习
支持 Lingbot-VLA + RoboTwin + GRPO 训练

基于 Dexbotic 模型的强化学习训练
Dexbotic（基于 π₀.₅）+ LIBERO + PPO 训练

StarVLA 模型强化学习训练
StarVLA + LIBERO + GRPO 具身强化学习训练

ABot-M0 模型强化学习训练
ABot-M0 原生集成与 LIBERO-plus PPO 训练

基于 OpenSora 世界模型的强化学习
支持 OpenSora 世界模型 + OpenVLA-OFT + GRPO 训练

基于 Wan 世界模型的强化学习
支持 Wan 世界模型 + OpenVLA-OFT + GRPO 训练