Post-training d'un modèle 4B par RL : il pilote la Tesla Roadster volante 21 % mieux que GPT-6 Astra

SkyPilot a construit un environnement RL autour d'un simulateur physique de Roadster volante à quatre propulseurs, avec vent et deux figures (ramp flip, kickflip). Un LLM envoie une commande toutes les 0,2 s. Les modèles récents mettent 1 à 6 s par décision et échouent presque tous en temps réel. Qwen3-4B, entraîné par RL pour environ 13 $, répond en 0,09 s et réussit 90 % des kickflips. Le projet est open source.