Recursia 双层循环推进具身 RSI，真机组合任务成功率碾压 π₀
机器之心 · wechat · 2026-10-14
北京交通大学、北大、NYU、USC 等机构团队提出 Recursia，把「组合泛化」放进具身递归自我改进（Embodied RSI）框架：内层 Agent 负责任务中的观察、决策与代码执行，外层 Agent 汇总执行经验，对共享可执行栈（Shared Stack）提出、验证并保留修改，让改进跨任务沉淀。
关键结果
- LIBERO-ProLong 零样本迁移：位置/任务扰动下成功率 28%/53%，比英伟达 ASPIRE 高 5.8 和 15.1 个百分点；OpenVLA、π₀ 几乎全为 0%，π₀.₅ 仅 8%/1%
- 真机三任务平均成功率 66.7% vs 基线 26.7%；「先移动碗、再把杯子放进移动后的碗」强组合任务 100% vs 基线 20%
方法结构
- 共享栈分四层：工具、技能、交接（上一步与下一步的衔接）、验证，避免单步成功掩盖接口失败
- 候选修改经通用性检查、机制测试与父子版本配对比较；总成功率上涨但丢失旧成功状态超上限的补丁会被拒绝
- 外层还把验证门控松紧与 debugging 数据选择本身纳入调整对象
文章同时梳理了 Anthropic（Claude 写超 80% 内部合并代码）、OpenAI（GPT-5.6 列出 RSI Index）、英伟达 ASPIRE/ENPIRE 等公司在 RSI 方向的布局，并指出多模态大模型驱动机械臂仍卡在精细操作的三维几何与接触感知瓶颈。
「具身」频道最新
- Argon 真能解决机器人操作?实测基准:真机+千次仿真考验复杂任务 — paulfinneyx · 2026-10-23
- Mike Frank 抛出超导可逆计算难题:能否用无偏置约瑟夫森结凑齐 BARCS 通用原语集 — MikePFrank · 2026-10-23
- 从业者驳传闻：Figure 新机器人 Hugo 并非基于宇树 G1 打造 — carlosdponx · 2026-10-23
- Sergey Levine：机器人正重演 LLM 的提示词革命 — adityaag · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- 人行道上的配送机器人实拍,自己走完送货最后一公里 — HomeNowWTF · 2026-10-23