一句话看懂：Hugging Face Papers 收录了一项名为 CaPtain 的机器人智能体后训练管线研究，声称仅凭一个小型开源视觉语言模型（VLM），无需 VLA 或闭源前沿模型，即可通过“写代码控制机器人”完成任务，并已开源代码、数据和权重。
事件核心：发生了什么
这项论文（摘要发布于 2026 年 10 月 29 日）提出了一套名为 CaPtain 的后训练管线。所谓 Code-as-policy（CaP），指机器人策略以代码形式调用机器人 API 并读取执行结果，理论上可复用大模型智能体“先监督微调（SFT）、再多轮强化学习（RL）”的常规训练配方。但摘要指出，现有 CaP 智能体多数回避训练：要么直接提示闭源前沿模型，要么把操作任务交给预训练 VLA 和高级技能，而小型开源 VLM 往往直接失败。CaPtain 的做法是：先用 GPT-6 Astra 生成合成轨迹做 SFT，再用多轮 RL 训练。为解决“单次回合结果如何归因到几十次请求”的问题，作者引入了一个读取仿真器特权状态的“物理评论家”（physical critic），按每次请求对成功概率的影响进行信用分配。基于 Qwen3.5-4B（零样本成功率 0%），CaPtain-4B 在 SFT 后于 LIBERO 留出集达到 55.4%，RL 后达到 73.8%；在 LIBERO-PRO 上达到 78.5%。目前公开信息仅来自论文摘要，未核验全文实验细节与同行评审状态。
为什么重要
它触及了机器人智能体的一条关键路线选择：不必依赖专门的 VLA 模型或闭源大模型，小型开放 VLM 经过合适后训练也能胜任 CaP 任务。若结论成立，将降低机器人策略的训练与部署门槛，让开源模型在具身智能场景中有更明确的切入点，也会对当前“堆闭源模型 + 专用 VLA”的主流路径形成对照。其“物理评论家”思路更是把多轮 RL 的信用分配问题显式化，对智能体训练方法有参考价值。
对用户/开发者/创作者的影响
对开发者而言，最直接的价值是“全栈开源”：代码、数据和模型权重均已释出，可基于 Qwen3.5-4B 复现或改造。摘要称其在 SimplerEnv WidowX 上达到 83.3%、在 CaP-Bench 上超过部分前沿模型，并在仅仿真适配后跑上真实机器人；但这些数字均限定于论文给出的任务与评测条件，不能理解为通用排名。对机器人应用团队，这意味着可评估“小模型 + 代码接口”的低成本方案；对普通用户，短期内仍是研究进展，距离可直接使用的产品尚远。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是是否有第三方独立复现，尤其是真实机器人上的稳定性；二是多轮 RL 与物理评论家在更大、更杂任务上的扩展性；三是小型开源 VLM 是否会被更多机器人团队纳入正式技术栈。
