SOP 本身是一套通用的框架，可以即插即用的使用任意后训练算法，让 VLA 从在线经验数据中获益。我们选取 HG-DAgger（交互式模仿学习）与 RECAP（离线强化学习）作为代表性算法，将其接入 SOP 框架以进化为分布式在线训练。

IT之家 1 月 6 日消息，智元具身研究中心提出 SOP（Scalable Online Post-training）—— 一套面向真实世界部署的在线后训练系统。官方称，这是业界首次在物理世界的 VLA 后训练中，系统性地融合在线学习、分布式架构与多任务通才性，使机器人集群能够在真实环境中持续进化，让个体经验在群体中高效复用，从而将“规模”转化为“智能”。

一直以来，人形机器人行业对选用何种类型数据进行训练存在争议。有厂商使用模拟仿真工具进行训练，也有厂商选用真机进行训练。后者的训练方式一度被业内诟病，认为缺乏真实场景的训练，即训练出来的人形机器人无法部署于真实场景。