RoboRSI 机器人自进化系统发布，多基准成功率超最强基线
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载技能分层与归因机制
RoboRSI 的关键设计是把任务结构显式化。TSR 将技能划分为复合、原子、基础三个层级，每一层都有界定的职责范围和明确的输入输出契约。执行结果不会被笼统地记为该任务失败，而是被归因到承担该职责的具体分支上，随后的修改也被限制在这个分支内。这样做的目的是让每次修复都能对应到真正负责的能力，而不是在整段程序上做无差别改动。稳定的技能序列还会被进一步整合为可复用的复合技能，使先前任务中积累的经验能直接服务于后续任务。
四角色协同与人工介入
在技能结构之上，系统由 Manager、Planner、Engineer、Reviewer 四个角色分工：分别负责规划、执行、诊断以及新技能的验证与发布。新技能不是诊断完就直接投入使用，而要经过验证环节才被释放。人在这个流程中通过设定目标和给出纠正来引导方向，而不是逐条编写或修补程序。这一分工把「发现问题—定位责任分支—修改—验证—复用」串成闭环，也是论文强调的可复用性的来源。
实测与仿真结果
在移动操作平台上，RoboRSI 用 104 轮迭代开发出多物体家庭清理能力，说明该流程能在真实环境中持续运行而非只做一次性演示。仿真侧，系统在 LIBERO、LIBERO-PRO、LIBERO-Plus 与 RoboTwin 四个基准上都取得了最高成功率，相比最强基线高出 2.7 到 11.0 个百分点。论文于 2026 年 10 月 8 日提交至 arXiv，编号 arXiv:2610.12424，作者为 Zimo Wen 等 11 人，项目页面已公开。
为什么值得看
把机器人执行反馈按技能结构归因并验证后再复用，给出了自进化可落地的组织方式与量化提升。
信源1 家
关键事实
RoboRSI 基于自顶向下技能精炼（TSR），将任务分解为复合、原子、基础技能，并设定职责范围与输入输出约定[1]
系统由 Manager、Planner、Engineer、Reviewer 协同完成规划、执行、诊断与新技能的验证发布，人通过目标与纠正介入[1]
在移动操作平台上，RoboRSI 经过 104 轮开发出多物体家庭清理能力[1]
在 LIBERO、LIBERO-PRO、LIBERO-Plus 和 RoboTwin 仿真基准上取得最高成功率，超出最强基线 2.7 至 11.0 个百分点[1]
论文于 2026 年 10 月 8 日提交至 arXiv，编号 arXiv:2610.12424，作者包括 Zimo Wen 等 11 人[1]
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。