基模接管具身智能？穹彻智能开源 RoboRSI 多智能体自进化框架

机器之心 · wechat · 2026-09-22

文章以「GPT-6 Astra 接入机器人控制成功率 95%、Token 消耗仅为对比模型 1/6」的假设性场景切入，提出核心问题：基模解决了「理解」，但从理解到真实环境中安全稳定执行，还缺一层系统级能力。穹彻智能发布的 RoboRSI 正是回答这个问题的多智能体自进化框架。

RoboRSI 的核心设计

四角色闭环：Manager（调度/断点恢复/技能版本管理）、Planner（生成执行计划）、Engineer（调用底层工具执行）、Reviewer（基于日志/视频/轨迹复盘并返回修订建议），形成「执行→诊断→修订→再执行」闭环，人类保留目标与安全边界控制权。
TSR 技能树：四层结构（任务族→复合技能→原子任务→基础技能）为 Coding Agent 提供结构性约束，局部修订不偏离全局目标，经验沉淀为可复用能力。
代码固化三阶段：稳定调用链被参数化并固化为代码技能，重复工具调用由代码承担。LIBERO 基准上 Code-on 相比 Code-off：回合通过率 21.5%→29.0%，Token 消耗降 29.4%，VLM 调用降 27.2%，执行时间降 17.0%。

实验结果

零样本适配：约一天并行执行后，LIBERO 通过率 32/120→95/120，RoboTwin 9/50→36/50；完整多智能体配置较单 Engineer 基线通过率提升 4 倍。
扰动鲁棒性：LIBERO-Plus 840 个扰动实例中通过率 31.1%→47.4%。

文章认为，同等家庭清理 Demo 过去需两名工程师约一个月、2-3 千行代码，RoboRSI 一天完成闭环；具身智能公司的不可替代价值在于经验结构化管理、行为安全约束和部署后持续迭代。

「编程与Agent」频道最新