当机器人走进酒店、物业与康养体检等真实服务场景时，真正的技术壁垒并非仅仅是“能执行动作”，而是在环境反馈与多智能体协作中持续进化的能力。
具身智能领域的竞争，正从“单机动作展示”全面转向“真实环境中的持续学习与多智能体协同”。这不再是简单的Demo比拼，而是真正考验技术深度的阶段。
6月27日至28日，第四届CCF多智能体系统会议（CCMAS 2026）在南京大学苏州校区成功举办。大会邀请了南洋理工大学Stefano V. Albrecht教授、字节跳动Seed Robotics首席科学家李航、哈尔滨工业大学（深圳）张民教授、清华大学朱军教授等学界与产业界权威人士，围绕多智能体基础模型、机器人基础模型、世界模型与智能体强化学习等前沿方向展开深度研讨。
云蝶科技科学家、华南理工大学副教授赵梦辰受邀出席，并以《智能体强化学习中的信用分配机制》为题发表专题报告。他的分享揭示了具身智能从实验室走向真实场景时，一个常被忽视却至关重要的技术关卡。
01 真正的难点，远不止让机器人“动起来”
随着大模型进入Agentic RL阶段，强化学习正成为智能体能力进化的关键路径。然而，与传统强化学习不同，大模型智能体通过连续生成token来完成规划与决策：一个任务最终成功，究竟应归因于哪一步推理？哪一次工具调用？哪一个动作选择？这正是信用分配机制要解决的核心问题。
对于具身智能来说，这个问题更加复杂。机器人面对的并非静态指令，而是持续变化的真实环境；一次任务往往涉及感知、规划、操作、环境反馈以及多机器人协作。只有将最终结果准确回溯到关键决策，模型才能从成功与失败中持续学习，强化学习后训练才可能真正进入真机闭环。这就像教导一个团队完成复杂任务，你无法确定是哪位成员、哪一步操作促成了成功——如果奖励无法精准分配，团队就无法高效进化。
赵梦辰在报告中指出，以GRPO为代表的Agentic RL算法虽已成为优化大模型智能体策略的主流方法，但大模型智能体决策的根本范式是token生成，这给Agentic RL的信用分配带来了极大挑战。他从信用分配视角系统拆解了前沿Agentic RL方法，深入解释了信用分配难题的成因，并介绍了其课题组与云蝶科技在智能体强化学习、具身大脑及多智能体协同方向的研究进展。这些研究共同指向一个目标：让智能体学会从结果中精准提取经验，而非盲目试错。
02 一场报告，折射云蝶的核心技术路线
云蝶并不将具身智能理解为“给机器人接入一个大模型”。在这个行业中，太多企业把精力浪费在更换模型、堆砌参数上，而忽略了最根本的问题——机器人、环境与任务，能否共同纳入一个可学习、可反馈、可进化的完整系统。
在酒店、物业、康养体检等真实服务场景中，机器人从来不是孤立工作的。空间布局、门禁与电梯等设施、服务流程、人员状态以及其他机器人，都会影响任务执行。场景越真实，变量越多，传统的“感知-规划-执行”流水线就越容易在某个环节断裂。
云蝶的技术路线，是以环境增强的世界模型为核心，让环境智能体与机器人智能体协同建模，并通过多智能体强化学习完成策略优化与能力进化。在这一框架中，世界模型负责理解环境、预测动作后果；多智能体强化学习负责处理协作决策与信用分配；真机部署则不断产生高价值反馈，形成“场景数据—模型训练—策略优化—真实验证”的闭环。
这意味着，云蝶要构建的并非单一机器人产品，而是一套面向真实场景的具身智能训练与协同进化平台：把场景变成训练基础设施，把每一次真实任务变成模型继续进化的数据资产。这不仅是技术路线的选择，更是对行业趋势的深刻预判。
03 从多智能体学术谱系，到真实场景产业闭环
赵梦辰博士毕业于南洋理工大学计算机科学与工程学院，师从AAAI Fellow、智能体领域世界知名专家安波教授，并获南洋理工大学计算机学院杰出博士论文奖。沿着这一学术谱系，赵梦辰长期聚焦强化学习、智能体与多智能体系统研究，现任华南理工大学软件学院副教授、大数据与智能机器人教育部重点实验室核心成员、CCF多个专委会执行委员。他长期致力于强化学习、多智能体系统与大模型的研究与落地工作，已在ICML、NeurIPS、ICLR等国际顶级人工智能会议和期刊发表论文40余篇，并主持多项国家级及省部级重点科研项目。
对云蝶而言，科学家团队的价值并非停留在学术背书。赵梦辰及其课题组直接参与了具身大脑、多智能体协同、强化学习后训练等核心能力建设，并与真实场景中的工程验证紧密结合。学术前沿与产业落地之间，从来不是单向的输出关系——而是双向的迭代与反馈。
此次在CCMAS 2026进行前沿分享，释放出一个更清晰的信号：云蝶正在将顶尖科研能力、真实B端场景和可持续数据闭环系统性地连接起来。当行业从“机器人能否完成一个Demo”进入“机器人能否在真实世界持续进化”的阶段，环境理解、多智能体协同与真机强化学习将成为决定规模化落地的关键。云蝶希望成为这一基础设施的构建者，让机器人在真实场景中学会协作、积累经验，并不断迈向更强的泛化能力。
