arXiv cs.CL· Peidong Wang, Ying Chang, Zhiming Ma, Xiaocui Yang, Shi Feng, Daqi Liu, Yuzhe Yang, Xu Cao, Chuang Wang, Jian Su, Daling Wang·· 3 天前AI 评分40
AdaRSI：面向具身智能体的按需递归自我改进框架
AdaRSI: On-Demand Recursive Self-Improvement for Embodied Agents
AI 导读
针对预训练 VLA 模型在未见长程任务中中途失败的问题，研究者提出按需递归自我改进框架 AdaRSI，先由编码智能体改进技能与执行框架，再通过从保存状态重试失败子步骤来归因，仅微调仍不可靠的子步骤。
正文 · AI 翻译
作者：Peidong Wang、Ying Chang、Zhiming Ma、Xiaocui Yang、Shi Feng、Daqi Liu、Yuzhe Yang、Xu Cao、Chuang Wang、Jian Su、Daling Wang
摘要：预训练的视觉-语言-动作模型（VLA）在未见过的长时程任务中常常中途失败。递归自我改进（RSI）提供了一种补救方法，但具身 RSI 方法要么围绕冻结的执行器改进其外围框架，因而无法添加缺失的动作，要么在持续失败上训练执行器，却不追问失败究竟在于执行器被调用的方式，还是在于它能做什么。我们探究自我改进的具身系统应在何时改变其执行器的权重，并提出 AdaRSI，一个面向具身智能体的按需 RSI 框架。一个编码智能体首先改进其技能与外围框架，然后通过从保存的状态重试失败的子步骤来归因持续失败，并仅对仍不可靠的子步骤进行微调，使用它自行收集的示范以及从先前任务中延续的经验。在 RoboCasa365 的全部 50 个目标任务上，以 GR00T N1.5 作为执行器且无人类示范，AdaRSI 在全部三个套件上改进了该 VLA，并将未见过的复合任务上的成功率从 4.6% 提升至 13.8%。与微调每个子步骤相比，它以仅 28% 的 GPU 时间和 22% 的自收集示范达到了略高的成功率，而无外围框架的微调训练更多却收益远少。
| 主题： | 计算与语言（cs.CL）；机器人学（cs.RO） |
| 引用为： | arXiv:2610.20474 [cs.CL] |
| （或 arXiv:2610.20474v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.20474 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Peidong Wang [查看邮箱]
[v1]
2026年10月14日星期三 16:51:09 UTC（5,293 KB）
来源：arXiv cs.CL · arxiv.org