Embodied-R1

天津大学的 3B 具身推理模型，以「指向」为中间表示，用强化微调训练。

Embodied-R1 是天津大学团队 2025 年 8 月发布的工作，已被 ICLR 2026 接收。作者把「看得懂却做不到」称为 seeing-to-doing gap，提出用「指向」（在图上输出点、区域或一串轨迹点）作为与机器人本体无关的中间表示，定义了指代定位、区域定位、功能部位定位和视觉轨迹生成四种能力。模型基于 Qwen2.5-VL-3B，在自建的 Embodied-Points-200K 数据上做两阶段强化微调：用 GRPO 算法，按任务设计可自动判分的奖励。模型输出的点和轨迹再交给运动规划等底层模块去执行。权重和数据集已开源。

例子不做任何任务专门微调，Embodied-R1 在 SimplerEnv 仿真中成功率 56.2%，在 8 个 xArm 真机任务上达到 87.5%，论文称比强基线提升 62%。

也叫

Embodied R1

相关

具身推理模型、指向（点预测）、强化学习微调、组相对策略优化、中间表示、可供性

来源

Embodied-R1: Reinforced Embodied Reasoning for General Robotic Manipulation (arXiv 2508.13998)
Embodied-R1 GitHub 仓库

信息截至

2026-03