arXiv cs.AI· Zimo Wen, Yijin Chen, Yuxuan Cao, Wendi Chen, Yanwen Zou, Wenye Yu, Fuhang Kuang, Han Xue, Jun Lv, Chuan Wen, Cewu Lu·· 9 天前AI 评分30
RoboRSI：复杂真实环境中的稳定、高效、可复用机器人自我进化
RoboRSI: Stable, efficient, and reusable robot self-evolution in complex real-world environments
AI 导读
RoboRSI 是一个基于自顶向下技能精炼（TSR）的机器人自我改进系统，将任务分解为复合、原子和基础技能并明确输入输出契约，由 Manager、Planner、Engineer、Reviewer 协同完成规划、执行、诊断与技能验证发布。
正文 · AI 翻译
作者：Zimo Wen、Yijin Chen、Yuxuan Cao、Wendi Chen、Yanwen Zou、Wenye Yu、Fuhang Kuang、Han Xue、Jun Lv、Chuan Wen、Cewu Lu
摘要：通用机器人不仅应执行多样化任务，还应通过经验不断改进，将执行过程中学到的东西转化为后续任务可复用的能力。通过代码行动的机器人智能体已经能够根据执行反馈修复程序，但如何围绕赋予其意义的任务结构来组织这些经验，仍是一项核心挑战，从而使每次修复都能归因到相应的能力、得到执行证据的支持，并在复用前经过验证。我们提出 RoboRSI，一个基于自顶向下技能精炼（TSR）的机器人自我改进系统。TSR 将任务分解为具有限定职责和显式输入输出契约的复合技能、原子技能和基础技能，将每次执行结果归因到相应的分支，并将修订限制在该分支内。在此结构之上，Manager、Planner、Engineer 和 Reviewer 协同进行规划、执行、诊断以及新技能的验证发布，而人类则通过目标和纠正来引导整个过程；稳定的技能序列进一步被整合为可复用的复合技能。在移动操作机器人上，RoboRSI 经过 104 轮迭代开发出多物体家庭清理能力。在仿真中，它在 LIBERO、LIBERO-PRO、LIBERO-Plus 和 RoboTwin 上取得了最高成功率，超过最强基线 2.7 至 11.0 个百分点。
| Comments: | 项目页面：this https URL |
| Subjects: | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.12424 [cs.RO] |
| （或 arXiv:2610.12424v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12424 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Zimo Wen [查看邮箱]
[v1]
2026年10月8日星期四 17:55:12 UTC（14,340 KB）
来源：arXiv cs.AI · arxiv.org