超GPT-6登顶RoboDojo：Manifold AI让机器人实现自进化

type

status

date

slug

summary

从“看一遍就会”到“越用越聪明”：具身智能的新挑战

在传统的机器人强化学习与模仿学习路径中，面对环境物体位置、光照、材质或任务组合的微小改变，模型往往需要采集大量定制数据并重新进行后训练（Post-training）或参数微调。这种高成本的训练模式严重制约了机器人走向通用场景的脚步。

为了解决这一痛点，上下文学习（In-Context Learning, ICL）机制被引入到视觉-语言-动作（VLA）模型和世界动作模型之中。以流形空间此前发布的 WorldScape Policy 2.0 及 2.5 为代表，系统通过将人类的一次动作示范直接作为多模态上下文输入，使机器人无需调整底层模型参数即可在推理阶段快速适应新任务：

动作迁移能力：例如，机器人在观看过一次盖印章的动作示范后，能够跨越物理特征的阻隔，将相同的操作语义迁移到形态完全不同、颜色各异的全新印章与纸张材质上。

长程复杂任务分解：通过视觉记忆与事件记忆机制，系统在长序列操作中实时追踪环境变化与任务进度，实现从拿起鞋子到解开鞋带等跨阶段多技能衔接。

零样本快速适配：相比于传统固定策略网络，具备上下文学习能力的架构在面对未知任务时，成功率展现出了数倍的代际优势。

然而，当“看一遍就会”的技术瓶颈被突破后，具身智能立刻迎来了下一个本质命题：机器人单次执行后产生的试错经验与环境反馈，该如何沉淀下来，推动系统实现持续自主提升？

如果执行经验只能留在单次回合中，那么系统在下一次面临微小扰动或执行偏差时，依然可能重复犯错。单纯依靠单次示范解决的是机器人的“冷启动”，而唯有执行后的持续复盘与迭代，才决定了机器人的进化上限。

剖析WorldScape R²SI：内外双层Agent的自进化架构

为了打破试错经验无法沉淀的困局，Manifold AI 提出了 WorldScape R²SI（机器人递归自进化） 框架。该系统的核心在于构建了一个由内、外两层 Agent 协同组成的自主闭环：

1. 内层执行者：Robot Agent

内层系统专注于实时的高精度控制与交互。它以当前的多视角 RGB 图像数据、机械臂及末端本体传感器状态、高层任务语义指令以及当前回合的记忆流作为输入上下文。

在具体执行层面，Robot Agent 依据任务需求加载特定的 Skill（技能单元）。值得注意的是，调用反应式动作模型（如 WorldScape Policy, WSP）本身也被抽象为一个模块化的 Skill：Robot Agent 根据当前观测调用反应式模型执行特定的动作块（Action Chunk），随后立即收回控制权，依据最新的物理反馈判定下一阶段决策，兼顾了高频反应与全局认知。

2. 外层进化者：Recursion Agent

外层系统则充当具有反思能力的“超级教练”。它不参与毫秒级的动作推演，而是在跨轮次、跨回合的全局视角下复盘内层的执行日志与传感器数据流。

外层 Agent 的职责包括：

动作归因与故障诊断：精确定位内层在抓取方向、平移路径或接触力度上的物理偏差。

代码级与策略级修改：以更新 Harness（动作约束与调度管线）或 Skill 代码逻辑的形式，直接优化内层的技能配置。

动作模型二次训练：对于需要底层神经网络增强的任务，外层 Agent 自动将真实交互数据提炼为高质量微调集，在线迭代反应式动作模型。

安全沙箱与版本回滚：所有修订必须在虚拟验证空间或受控测试中达标后，方可自动纳入版本管理并部署至生产执行环境。

经典任务实测：从723步超预算到389步的高效精简

在本次 RoboDojo 评测基准的核心任务 push_T 中，双层自进化框架展现出了强大的自主优化能力。该任务要求双臂将一个 T 型物体推入目标凹槽，且物体的最终朝向、位姿和接触面误差均必须完全符合严苛标准，动作步数上限被限制在 600 个原生动作步（Action Steps）以内。

* 初始回合失利：内层 Robot Agent 首次尝试时，机械臂夹持角度计算存在偏差，且平移与旋转动作高度耦合，导致推移过程中物体频繁滑脱；最终在释放夹爪时再次造成位姿漂移，全流程消耗了 723 步，严重超出步数预算宣告失败。 * 外层针对性重构：外层 Recursion Agent 在复盘数据后迅速锁定了症结，针对 Skill 逻辑实施了三项重构： 1. 重新校准逼近阶段的接触夹角； 2. 解耦运动维度，将“边平移边转向”重构为“平移至固定锚点后再分段微调转向”； 3. 重构释放机制，引入多阶段阶梯式释放与实时位姿对齐校验。 * 性能跨越式飞跃：经过外层更新后的 Skill 再次接入内层测试，首次尝试即在 596 步内取得原生满分；而在随后的几次自主迭代中，同一任务布局下的动作开销骤降至 389 步，执行效率相较初次成功版本大幅提升了 35%。 * 泛化验证与技能固化：外层随后冻结该技能的更新逻辑，内层 Agent 在面对推导布局完全随机的全新场景中，分别以 222 步、312 步和 256 步的极致效率连续斩获满分，充分证明了自进化机制沉淀下的是通用操作知识，而非单点环境的过度拟合。

超越LLM泛化边界：世界动作模型与物理落地的融合

过去两年中，以 chatGPT、Claude 等为代表的语言大模型（LLM）展现出了卓越的多模态推理能力，许多学者试图通过精巧的 Prompt（提示词）工程将大语言模型直接套用至实体机器人控制。然而，文本生成与现实世界的物理动力学交互之间存在着天然的鸿沟。

纯粹的 LLM 在处理高频接触、连续力觉反馈与毫秒级时序规划时，缺乏对物理规律的深度表征能力。相比之下，Manifold AI 依靠清华 FIB 实验室的技术底蕴，坚定选择了以 通用世界模型（World Models） 作为底座技术路线：

物理常识预测：世界模型不仅生成动作，更能预测动作施加后环境几何与动力学状态的前向演变（Forward Simulation）。

认知与动作深度咬合：通过双层 Agent 架构，将高层宏观推理与底层精细连续控制彻底贯通，填补了通用大模型在机器人落地过程中的最后一块短板。

这解释了为何在覆盖长程任务、双臂精细协同以及强泛化维度的 RoboDojo 榜单上，世界动作模型驱动的自进化系统能够击败参数量巨大的多模态巨擘。

具身智能商业化思考与技术展望

从学术基准登顶到产业真实落地，机器人自进化体系为智能制造、特种作业与家庭服务机器人带来了广阔的商业想象空间：

极度降低部署门槛：企业无需为新产线配置昂贵的遥操作采集团队与算法训练工程师，仅需现场提供单次标准化操作示范，机器人即可自主完成任务理解。

适应工业级动态变化：在非标零部件组装、随机分拣等复杂场景下，机器人能够利用 R²SI 机制在生产线运行过程中自主吸纳操作异常教训，实现产线越跑越顺、良品率动态爬升。

推动全栈 AGI 的演变：具身智能不仅是 AI 的一个应用分支，更是实现通用人工智能（AGI）闭环的必由之路。通过与物理世界的持续摩擦与试错，数字智能终于获得了验证其内部逻辑的真实锚点。

对于正在探索 AI 变现、具身智能算法落地以及大模型软硬件整合的科技从业者而言，了解机器人自进化的技术范式已经成为不可或缺的基础功课。随时了解行业前沿风向、大模型工具与 AI资讯，可保持关注 AI门户与前沿知识库，持续探索人机协同与自主进化的技术未来。

结论

登顶 RoboDojo 仅仅是具身动作模型向现实世界迈进的一座里程碑。从 WorldScape Policy 对上下文学习的攻坚，到 R²SI 框架对持续递归自进化的开创，具身智能的技术主线正在逐渐明朗：未来的智能机器人绝非预设代码的僵化执行器，而是一个兼具观察反思、经验提炼与自主更新能力的通用实体智能体。

随着底层世界模型参数的扩展与物理世界部署规模的扩大，机器人“一次学会、持续进化”的图景正在快速从理论走向现实，重构未来工业与日常生活的技术底色。