# 长时程机器人操作

StructRL 是一个在线强化学习框架，它把每条长程指令自动分解为可由环境状态二值验证的子任务并组织成有序依赖组，只在某子任务的全部前置条件完成后才发放中间奖励、并按完成快慢缩放奖励幅度，在 RoboCasa365 与 LIBERO-Long 上配合 GR00T-N1.5 和 π0.5 两个 VLA 主干，一致优于所评估的在线 RL 基线（如 GR00T-N1.5 上 RoboCasa365 由 41.5% 提升到 49.1%，LIBERO-Long 由 92.4% 提升到 96.6%）。

StructRL 是一个在线强化学习框架，它把每条长程指令自动分解为可由环境状态二值验证的子任务并组织成有序依赖组，只在某子任务的全部前置条件完成后才发放中间奖励、并按完成快慢缩放奖励幅度，在 RoboCasa365 与 LIBERO-Long 上配合 GR00T-N1.5 和 π0.5 两个 VLA 主干，一致优于所评估的在线 RL 基线（如 GR00T-N1.5 上 RoboCasa365 由 41.5% 提升到 49.1%，LIBERO-Long 由 92.4% 提升到 96.6%）。

该工作提出 Physical Coding，用可执行程序同时表示物理世界状态（Code as World）与执行流程（Code as Policy），并实现物理编码智能体 HexaAnything：它把 VLA/WAM 当作可调用的动作工具，由 Harness 负责状态记录、验证与恢复；在 RoboCasa365 上以 XR-1 为动作模型时把 Composite-Unseen 成功率从 34.3% 提升到 38.3%、总体从 56.6% 提升到 61.1%，用 Harness 收集的轨迹微调出的 HexaModel v0.1 在同一 Harness 中每个 split 都优于其基座模型，在 PhyBench 模拟物理实验中平均相对误差低于 5%，并在 Agile

该工作提出 Physical Coding，用可执行程序同时表示物理世界状态（Code as World）与执行流程（Code as Policy），并实现物理编码智能体 HexaAnything：它把 VLA/WAM 当作可调用的动作工具，由 Harness 负责状态记录、验证与恢复；在 RoboCasa365 上以 XR-1 为动作模型时把 Composite-Unseen 成功率从 34.3% 提升到 38.3%、总体从 56.6% 提升到 61.1%，用 Harness 收集的轨迹微调出的 HexaModel v0.1 在同一 Harness 中每个 split 都优于其基座模型，在 PhyBench 模拟物理实验中平均相对误差低于 5%，并在 Agile