CaPtain：将小型开放 VLM 后训练为代码即策略机器人智能体的流程

CaPtain 提出一套开放后训练流程，把小型开放视觉语言模型（VLM）训练成代码即策略（CaP）机器人智能体，测试时不依赖 VLA、前沿模型或特权状态。流程先在 GPT-6 Astra 生成的合成轨迹上做监督微调，再用多轮强化学习，并引入读取仿真器特权状态的物理评论器为各次请求分配信用。