Hacker News LLM· sundw·· 5 小时前AI 评分53
Qwen3.5-9B 通过强化学习掌握机器人运动规划
From Words to Waypoints: Teaching a Small LLM to Plan for Robots
AI 导读
作者使用强化学习训练 Qwen3.5-9B，使其能够完成以信号时序逻辑描述的机器人运动规划任务。在直接强化学习中，模型因几何计算错误几乎无法学到，团队随后提供了路径规划与路径校验两个工具，使成功率提升至 0.67。
来源：Hacker News LLM · daweisun.me