商汤 SenseNova-RoboRSI：不改模型权重提升机器人表现
SenseNova-RoboRSI：不改模型权重提升机器人表现
商汤 SenseNova 团队推出 SenseNova-RoboRSI，在 GPT-6 Astra 模型权重不变的前提下，将 RoboDojo 平均分从基线 28.97 提升至 56.83，任务成功率 50.83%，并在 LIBERO-PRO（94.50%）和 RoboCasa（64.60）上取得高分。
Rohan Paul· @rohanpaul_ai · X·2026-10-11 03:49· 17 分钟前AI 评分46
AI 导读
商汤 SenseNova 团队推出 SenseNova-RoboRSI，在 GPT-6 Astra 模型权重不变的前提下，将 RoboDojo 平均分从基线 28.97 提升至 56.83，任务成功率 50.83%，并在 LIBERO-PRO（94.50%）和 RoboCasa（64.60）上取得高分。
正文
更强的机器人并不总是需要更强的基础模型。
有时，它只是需要一种更好的行动方式。
SenseNova 团队的最新研究提供了一个有趣的例子，说明智能体系统设计如何提升具身 AI 性能。
在 GPT-6 Astra 模型权重不变的情况下，SenseNova-RoboRSI 报告 RoboDojo 平均分为 56.83，而公布的基线为 28.97，同时任务成功率为 50.83%。
它还在 LIBERO-PRO（94.50%）和 RoboCasa（64.60）上报告了强劲结果。
SenseNova-RoboRSI 探索的一种策略是多点末端执行器（EEF）预测。它不是一次预测并执行一个目标，而是在单步中生成短序列的动作目标，有助于提升运动连续性，同时减少重复的模型调用。
结合规划与反馈子智能体，主智能体可以分解任务、执行动作、监控进度，并根据反馈调整后续动作。
更重要的是，SenseNova-RoboRSI 将这些策略带入递归自我改进（RSI）循环，其中执行结果有助于指导未来智能体框架配置的改进。
改进框架可能变得与改进模型本身同样重要。
🤖 𝗘𝘃𝗲𝗿𝘆 𝗿𝗼𝗯𝗼𝘁 𝘁𝗮𝘀𝗸 𝗳𝗮𝗶𝗹𝘂𝗿𝗲 𝗰𝗮𝗻 𝗯𝗲𝗰𝗼𝗺𝗲 𝗮 𝗹𝗲𝘀𝘀𝗼𝗻 𝗳𝗼𝗿 𝘁𝗵𝗲 𝗻𝗲𝘅𝘁 𝗶𝘁𝗲𝗿𝗮𝘁𝗶𝗼𝗻. 𝗦𝗲𝗻𝘀𝗲𝗡𝗼𝘃𝗮-𝗥𝗼𝗯𝗼𝗥𝗦𝗜 uses 𝗥𝗦𝗜 to evolve 𝗮𝗴𝗲𝗻𝘁 𝗵𝗮𝗿𝗻𝗲𝘀𝘀𝗲𝘀 through physical task feedback, without updating model parameters. ▶ 𝗥𝗼𝗯𝗼𝗗𝗼𝗷𝗼: 56.83 avg. score, 50.83% success rate, +𝟮𝟳.𝟴𝟲 𝗽𝗼𝗶𝗻𝘁𝘀 𝘃𝘀. 𝘁𝗵𝗲 𝗚𝗣𝗧-𝟲 𝗔𝘀𝘁𝗿𝗮 𝗯𝗮𝘀𝗲𝗹𝗶𝗻𝗲 (𝟮𝟴.𝟵𝟳) ▶ 𝗥𝗦𝗜 𝗹𝗼𝗼𝗽: Execute → Diagnose → Improve → Validate → Inherit ▶ 𝗘𝘅𝗽𝗹𝗼𝗿𝗲𝗱 𝗮𝗻𝗱 𝘃𝗮𝗹𝗶𝗱𝗮𝘁𝗲𝗱: Multi-point EEF prediction and Planning + Feedback Subagents This achievement reflects the collective efforts of our joint team. RoboRSI will be 𝗼𝗽𝗲𝗻-𝘀𝗼𝘂𝗿𝗰𝗲𝗱 𝘀𝗼𝗼𝗻 at https://github.com/OpenSenseNova/SenseNova-RoboRSI. A comprehensive 𝘁𝗲𝗰𝗵𝗻𝗶𝗰𝗮𝗹 𝗿𝗲𝗽𝗼𝗿𝘁 detailing our methods and findings is also on the way. Stay tuned!在 X 查看被引用的帖子
来源：Rohan Paul · x.com
来源：RadarAI · aihot.news