CaPtain 将机器人控制表达为调用感知、几何和受保护运动接口的代码，再通过监督微调及多轮强化学习训练小型视觉语言模型。
研究在模拟器中利用物理状态帮助分配训练奖励，但执行模型本身不读取这些特权信息。作者报告了多组机器人任务和真实设备实验，并公开代码、数据与权重；真实部署仍需独立的运动安全保护。
CaPtain 将机器人控制表达为调用感知、几何和受保护运动接口的代码，再通过监督微调及多轮强化学习训练小型视觉语言模型。
研究在模拟器中利用物理状态帮助分配训练奖励，但执行模型本身不读取这些特权信息。作者报告了多组机器人任务和真实设备实验，并公开代码、数据与权重；真实部署仍需独立的运动安全保护。