光轮智能在机器人学习大会（CoRL 2026）期间对外披露，公司推出了一款名为RoboFinals RL Environments的强化学习仿真环境，主要服务于大模型的强化学习训练场景。
从产品特性来看，该环境能够让智能体在虚拟空间中与任务场景保持持续交互，动作执行后随即获得具备可信度的物理反馈，从而形成完整的训练闭环。这一机制被视为提升复杂任务下策略训练效率的重要基础。
长期以来，仿真与现实之间的差距一直是强化学习走向落地应用的难点之一。若物理反馈失真，模型训练出的策略在迁移到真实机器人时便容易出现偏差。光轮智能此次发布的产品，重点强化了物理反馈的可靠性，力求让仿真训练更贴近真实世界的运行规律。
与此同时，这款仿真环境在迭代效率方面也做了针对性设计。研发人员调整任务设定、扩充场景时，无需耗费过多时间重建环境，环境版本更新与验证的周期因此得以压缩，训练方案的试错节奏随之加快。
光轮智能在发布内容中表示，持续交互能力与可信物理反馈相结合，能够帮助大模型在复杂任务中获得更高质量的策略训练效果，同时也为环境的持续迭代提供灵活支撑。
