MIT、Stanford 等联合发布机器人自我改进综述：7 项研究中 5 项未跨任务提升

Rohan Paul· @rohanpaul_ai · X·2026-10-15 18:04· 1 小时前AI 评分45

AI 导读

MIT、Stanford、Google、Microsoft 等机构联合发布 Physical Recursive Self-Improvement 综述，指出机器人仍依赖人类采集数据、诊断故障并筛选更新。他们检查的 7 项机器人自我改进研究中，5 项未能在不同任务上展示提升，并定义 L0 到 L5 六个自主改进等级。其 2022 至 2026 年系统图谱中尚无确认的 L5 案例。

正文

来自 MIT、Stanford、Google、Microsoft 等众多顶尖实验室撰写的关于 Physical Recursive Self-Improvement 的极具洞见的综述论文

机器人仍依赖人类采集数据、诊断故障并选择保留哪些更新。论文指出，他们检查的 7 项机器人自我改进研究中，有 5 项从未在另一项任务上展示出提升。

自我改进的主张需要在要求不同技能序列的任务上进行测试，而论文发现大多数被审查的方案都缺乏此类测试。

人类仍在采集它们的数据、诊断故障并挑选保留哪些更新。真实试验缓慢、嘈杂、昂贵，有时甚至不可逆，因此数字自我改进方法需要重新思考。

他们定义了 6 个等级，从无自主改进的 L0 到具有独立验证递归增益的 L5。中间等级区分了对技能的更新与对改进方法的更新，是在 1 项任务上还是跨任务。

他们绘制的 2022 至 2026 年系统图谱中尚无确认的 L5 案例。在他们检查的 7 项机器人评估方案中，有 5 项未能在不同任务上展示提升。

来源：Rohan Paul · x.com