研究人员构建了一个基于物理模拟器的特斯拉Roadster飞行强化学习环境，旨在测试大语言模型在强风干扰下的实时控制能力 。该实验模拟了从坡道翻转并飞跃Cybertruck的动作，涉及对四个冷气推进器（每个推力12 kN）的控制 。结果显示，经过强化学习后训练的4B参数Qwen模型在实时任务中表现优于包括GPT-6 A…