CaPtain：面向代码即策略机器人智能体的后训练流水线

CaPtain 提出一套开源后训练流水线，把小型开源视觉语言模型训练成代码即策略（CaP）机器人智能体，无需 VLA、前沿模型或测试时的特权状态。流程先用 GPT-6 Astra 生成的合成轨迹做 SFT，再做多轮 RL，并引入读取仿真器特权状态的物理 critic 为每次请求分配信用。