Hacker News · AI 讨论· sundw·· 13 天前AI 评分62
如何用强化学习教 Qwen3.5-9B 为机器人做 STL 时序逻辑规划
From Words to Waypoints: Teaching a Small LLM to Plan for Robots
AI 导读
作者用 GRPO 训练 Qwen3.5-9B，让它在带障碍和区域的 2D 地图上为 STL 时序逻辑任务输出带时间戳的路径，目标是逼近教师模型 DeepSeek-V4.1-Flash-1017 的水平。
来源：Hacker News · AI 讨论 · daweisun.me