RoboRSI：机器人自我进化系统在复杂现实环境中稳定复用

机器人自我进化的核心挑战

通用机器人不仅能执行多样任务，更应通过经验提升能力，将执行中学到的知识转化为后续任务可复用的技能。当前，通过代码行动的机器人代理已经能够根据执行反馈修复程序，但如何围绕任务结构组织这些经验，使每次修复都能归因到相应的能力分支，并有执行证据支撑、在复用前经过验证，仍是一个核心挑战。

据研究团队介绍，他们提出了 RoboRSI——一个基于自顶向下技能细化（Top-Down Skill Refinement, TSR） 的机器人自我改进系统。该系统旨在解决经验组织与技能复用的关键问题。

基于代码行动的机器人代理（Code-as-Policy）是一类让机器人通过编写与执行程序来完成任务的范式：机器人代理生成一段代码（例如调用抓取、移动、放置等原语），在真实或仿真环境中执行后，依据观测到的成功或失败反馈修改代码。相比直接输出底层动作序列，这种方式具有更强的可解释性与可复用性，因为程序结构本身携带了任务的逻辑分解信息。典型代表如 Code-as-Policies、Voyager 等工作，均通过“生成—执行—反馈—修复”的循环让代理逐步提升。然而这类方法通常把整段程序当作一个不可分割的整体来修复，缺乏对任务内部结构的显式建模，因而难以判断究竟是哪个子能力出了问题、修复是否会影响其他能力，这正是 RoboRSI 试图解决的关键缺口。

TSR：分层技能与责任归属

TSR 将任务分解为复合技能、原子技能和基础技能，每层技能都有明确的责任范围和显式的输入-输出契约。当执行结果出现时，系统能够将结果归因到负责的分支，并将修订限制在该分支内。这种结构化的方式确保了经验能够被有效组织和复用。

具体而言，每个技能都有明确的边界，避免了传统方法中经验混乱、难以追踪的问题。通过将任务分解为层级结构，机器人可以更精准地定位问题所在，并针对性地进行改进。

技能分层与契约式接口借鉴了软件工程中的模块化设计思想。在传统机器人系统中，技能往往是扁平且相互耦合的，一个动作的失败可能牵连多个模块，导致调试困难。TSR 的分层结构让每层技能都定义清晰的输入-输出契约：上层技能只依赖下层技能的接口，而不关心其内部实现。这样一来，当某次执行失败时，系统可以沿着调用链自顶向下定位到最可能负责的分支，只修改该分支而保持其余部分不变。这种“局部修订、全局稳定”的机制，既避免了灾难性遗忘，也让修复过程可追溯、可验证，为后续技能的复用和组合提供了结构保障。

多角色协作与人类引导

在 TSR 结构之上，RoboRSI 通过 Manager（管理者）、Planner（规划者）、Engineer（工程师）和 Reviewer（审查者） 四个角色的协同工作，完成规划、执行、诊断和新技能的验证发布。

人类则通过目标和修正来引导整个过程，确保系统朝着正确的方向进化。稳定的技能序列还会被进一步整合为可复用的复合技能，从而提升后续任务的执行效率。这种多角色协作机制模拟了人类团队的开发流程，提高了系统的可靠性和可解释性。

真实世界与仿真环境中的表现

在移动操作机器人平台上，RoboRSI 通过 104 轮迭代，开发出了多物体家庭清理能力。这一成果展示了系统在复杂真实环境中的稳定性和效率。

在仿真环境中，RoboRSI 在 LIBERO、LIBERO-PRO、LIBERO-Plus 和 RoboTwin 等基准测试中取得了最高成功率，超过最强基线 2.7 至 11.0 个百分点。这些结果验证了该系统在不同任务和环境下的泛化能力。

文中提到的 LIBERO 系列是机器人学习领域广泛使用的操作基准，包含大量语言条件化的长程操作任务，用于评估策略的泛化与持续学习能力；LIBERO-PRO、LIBERO-Plus 则是其扩展版本，分别在任务难度、干扰鲁棒性或任务多样性上做了加强。RoboTwin 则是一个面向双臂协同操作的仿真基准，强调双手配合与精细操控。这类基准通常以任务成功率作为核心指标，并区分“已见任务”和“未见任务”来考察泛化。RoboRSI 在这些基准上取得最高成功率，说明其技能组织方式不仅适用于单一场景，还能跨任务、跨环境迁移，这是评估自我改进系统是否真正“通用”的重要证据。

意义与展望

RoboRSI 的提出为机器人自我进化提供了新的思路：通过结构化的技能分解和多角色协作，机器人能够更高效地积累和复用经验。随着技术的进一步发展，这种自我改进系统有望在家庭服务、工业自动化等领域发挥重要作用，推动通用机器人的实际应用。

未来，研究团队可能会进一步探索如何将 RoboRSI 扩展到更多类型的任务和环境中，以及如何减少对人类引导的依赖，实现更高程度的自主进化。