AgenticRoboRL 将编码 Agent 后训练方法用于机器人规划，Qwen 3.5 9B 无记忆成功率达 71.0%

AgenticRoboRL 将编码 Agent 的后训练方法迁移至机器人规划器，通过 SFT 和多轮强化学习提升多 harness 交互中的任务成功率。在 LIBERO-PRO 上，Qwen 3.5 9B 无记忆成功率达 71.0%，较未训练时的 18.1% 提升 52.9 个百分点，并与带记忆的 Claude Code、Codex 等闭源模型同场对比。