作者丨幸丽娟
编辑丨岑 峰
01
46.58 分的“含金量”
02
R²SI ：让机器人“执行经验中持续改进”
▎案例一：push_T，外层改进 Skill
▎案例二：装箱，内层调用 ，外层“复盘”再训练模型
03
R²SI 之外，ICL 的能力边界
业界
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
雷峰网0 次浏览
导语：GPT-6 Astra 才拿了28.97分，而 WorldScape R²SI 把分拉到 46.58！ GPT-6 Astra 才拿了28.97分，而 WorldScape R²SI 把分拉到 46.58！
一把尺子，三个积木，任务是用尺子把积木对齐。 机器人做完了，但在 RoboDojo 的记分规则里，它没拿到分。 原因不在结果，在过程：这项任务给的预算是 200 个原生动作步，它用了 215.1 步。超支，在记分表上和没做成算同一件事。 然后它做了一件机器人此前无法做到的事：回看自己的失败轨迹，改。 改用张开的夹爪推动尺子；把"接近"和"调整姿态"原本分开的两步合并成一个动作；减少细小的试探动作；在旋转手腕之前先把夹爪抬高。 改完，它在同样的 8 种布局上重新考了一次。8 次全部在预算内完成，平均步数从 215.1 降到 140.4。 中间没有换模型，没有重新训练，也没有工程师替它改过一行控制代码。变的，是它“做事”的方式。 这套系统叫 WorldScape R²SI（Recursive Robot Self-Improvement，机器人递归自进化），来自 Manifold AI 流形空间。 它做的事可以概括成一句：让每一次执行，变成下一次的经验，然后“越做越强”。 这套框架，在号称 “具身智能界的珠穆朗玛峰”RoboDojo（Agent Track） 上成功登顶。宏观进度分数达到46.58 分，再度刷新 RoboDojo 榜单的分数上限。 
46.58 分的“含金量”
在理解 46.58 分的含金量，我们先要看，RoboDojo 这张卷子的特别之处。 RoboDojo 今年 7 月才发布，由香港大学多媒体实验室（MMLab）牵头，联合清华、UC 伯克利等全球近二十所机构共建，背后是知名仿真基准RoboTwin的原班人马。 RoboDojo 仿真部分 42 个任务、真机 18 个任务，覆盖三种双臂平台，考察机器人的五个能力维度：泛化、精细操作、长程执行、记忆、开放语义理解。 简单来说，就是换了没见过的物体还认不认得、拧瓶盖插钥匙这类手上的功夫过不过关、连续干十几步还能不能记住自己在干什么、以及听得懂一句从没听过的指令。 发布那天，它给整个具身行业泼了一盆冷水。团队评测了 30 个代表性策略，仿真榜第一的平均成功率只有 8.80%，真机榜第一 12.8%。 而同一套任务交给人类专家，仿真 76.03%，真机 100%。人和机器之间，隔着 67 个百分点。而RoboDojo 也被行业公司称作 “具身智能界的珠穆朗玛峰”。 峰已在此，此后模型厂商开始“攀登竞速”。一直到三个月后的今天，Manifold AI 流形空间用 WorldScape R²SI 直接把 Agent track的分数拉到46.58 分，成功率达到39.35%。 值得一说的是，Agent 这个赛道考的不是某个策略模型的手上功夫，而是一整套 Agent 系统能不能把活从头干到尾：模型自己看场景、自己做决策、自己调用工具去操作。 
对比之下，此前冲榜出圈的GPT-6 Astra，在这个赛道上仅拿了28.97分，其中精细操作成功率只有 4%，长程任务 8.25%，还有 16 项任务一次都没成功过。 而 WorldScape R²SI 在精细操作成功率上达到15.5%，翻了接近4倍；长程任务 34.25%，翻了4倍有余。 最为出彩的是它的泛化能力，达到 35.83%，把第二名及以后的模型甩下了一个身位。 这恰好是一个 Agent 系统该有的样子：手上功夫可以慢慢练，把没见过的任务听懂、记住、干完的能力，才是这次登顶真正量出来的东西。 这些突破背后，离不开两大功臣：R²SI ，以及 Manifold AI 流形空间早在三个月就开始技术布局的 ICL 能力。 
R²SI ：让机器人“执行经验中持续改进”
R²SI 是WorldScape R²SI 登顶背后的核心框架。它没有给机器人换一个大脑，而是加了一层“执行—复盘—再验证-自进化”的闭环。 
WorldScape R²SI 框架 这个闭环由内外两层 Agent 构成： 内层是 Robot Reactive Agent，负责理解当前任务、组织记忆和技能、调用动作模型与工具，也就是真正在干活的那层。 具体的“干活”步骤是：以多视角 RGB 图像、机器人本体状态、任务描述和回合记忆作为上下文做决策，按任务加载相应的 Skill 干活。 其中，调用反应式模型（WSP，即 WorldScape Policy）也是 Skill 的一种——加载后，Robot Agent 依据观测调用 WSP，WSP 执行一个动作块就把控制权交回来，Robot Agent 再根据新的观测决定下一步，如此往复。 外层 Recursion Reflective Agent 则负责跨轮次“复盘”执行记录，修订 Skill，并以 Harness 更新的形式作用于内层。 对于使用 WSP 的任务，外层还将执行记录组织为训练数据，训练并更新该模型。各类更新均须通过测试，方可自动发布并纳入版本管理。 以下通过两个案例，分别来看内、外层的工作机制： 在 RoboDojo 的 push_T 任务中，机械臂需将 T 形物体沿桌面推入目标区域，使位置、朝向与接触状态同时满足要求，预算是 600 个原生动作步。该过程中完全不使用 WSP。 首轮执行中，Robot Agent 的夹持方向和物体形状不匹配，平移时还同步转向，物体一路偏移；对齐之后一次性松开夹爪，又把位姿晃偏了。723 步，超支 123 步，按未完成计。 外层 Recursion Agent “复盘”出来的问题很具体：夹持方式不对、平移和转向耦合、释放时机太急。 随后据此修订 Skill：调整夹持方向；将平移与转向解耦，先平移、后分段转向；分阶段释放夹爪，并逐段检查物体是否偏移。 修订版本通过测试后，自动发布至内层 Robot Agent。 更新后的 Skill 首次在预算内取得原生满分，耗用 596 步。而经后续迭代，同一布局下的原生动作步数进一步降至 389，降幅约 35%。 持续优化的结果，恰恰说明这种外层“复盘”的价值，不仅仅在于一次改对，更在于这种“越改越强”的持续进化能力。 当Skill 冻结，外层停手，Robot Agent 在三种从没见过的随机布局上自主执行——222、312、256 步，全部满分，全部在预算内。 这也意味着，外层改出来的不是针对某个布局的答案，而是一套可迁移的方法。 而整个改进过程，以 Skill 的形式沉淀、呈现，人读得懂、审得了。它不是黑盒里一次看不见的参数漂移，而是一次可以检查、可以回滚的版本更新。机器人第一次有了"改作业"的能力，而且改的每一笔都有据可查。 当任务切换至装箱时，Robot Agent 不仅仅需要外层skill 改进，还需要内层“练功夫”，外层“复盘”后继续对模型进行“功夫训练”。 具体的分工是：Robot Agent 依据观测调用反应式模型 WSP，WSP 执行一个动作块就交还控制权，Robot Agent 再根据新观测决定下一步，如此往复； 外层 Recursion Agent 随后将执行记录组织为训练数据并训练 WSP，更新后的模型继续供内层调用。同一个模型，既在干活，也在外层 Agent 的训练下持续改进。 这种外层、内层两条路径结合起来的思路，让 R²SI 的改进成为一个完整的闭环：外层复盘把经验固化为可审查的 Skill 版本，内层调用把执行记录反哺为 WSP 的训练数据——经验既能“写成规则”，也能“练成功夫”。 机器人在每一次执行、复盘、再验证中持续变强，而不是靠一次换脑或一次调参。 
R²SI 不是一次孤立的能力布局，ICL 能力同样是WorldScape R²SI 登顶 RoboDojo 背后的技术支撑。 早在三个月前，Manifold AI 就已经发布了具备上下文学习能力的 WorldScape Policy 2.0。 
原文：https://www.leiphone.com/category/academic/mBylajBYT9nLsBr4.html
46.58 分的“含金量”
R²SI ：让机器人“执行经验中持续改进”
