国产GPU跑具身强化学习：S5000训练曲线相关系数0.976，真机成功率对齐国际主流

国产GPU在具身强化学习训练与真机部署上实现与国际主流硬件的结果对齐，并通过RLinf CI接入进入国产算力与国产框架双向共建阶段。

要点速览

• 248个并行环境、相同配方与随机种子下，S5000与国际主流GPU训练曲线逐步相关系数r=0.976。
• RLinf官方CI自0.3版本起接入MTT S5000，代码合入主分支前须基于国产算力自动化验证。
• 单步耗时从2549秒降至1888秒，下降26%；GPU空转率从18.5%压缩至3.1%。
• S5000的GEMM与注意力性能达到国际主流GPU的1.6至2倍。
• 双臂机器人装配GPU真机成功率从约两成稳定至92%，精细操作耗时缩短39.5%。

事件时间线

三个关键问题

S5000的训练曲线和主流GPU有多接近？

在248个并行环境、相同配方与随机种子下，逐步相关系数达r=0.976，曲线高度吻合。

玩家或开发者现在能用上吗？

RLinf官方CI自0.3版本起已接入MTT S5000，代码合入主分支前须基于国产算力完成自动化验证。

真机效果如何？

LIBERO-Spatial评估中两套硬件策略成功率对齐；装配GPU真机成功率从约两成稳定至92%。