Recursia 具身递归自我改进：LIBERO-Pro 零样本成功率大幅领先
jiqizhixin · x · 2026-10-22
- 北京交通大学、北京大学、NYU、USC 与北京灵星智能提出 Recursia，一种面向组合泛化的具身递归自我改进（Embodied RSI）范式。
- 成绩：LIBERO-Pro Long 位置/任务扰动下零样本成功率分别为 28% 和 53%；NVIDIA ASPIRE 低 5.8 和 15.1 分，OpenVLA 与 π0 约为 0%，π0.5 仅 8% 和 1%。
- 核心问题：单个技能（识别、抓取、放置）可靠，但第二步发生的世界已被第一步改变——碗移动了、臂姿变了。
- 方法（配图）：维护共享可执行栈（工具/技能/交接/验证四层），Executor 运行源任务并记录失败，Proposer 按失败类别修补 tool/skill/handoff/verifier，候选需通过通用性、机制与配对回归测试才能进入共享栈；目标执行用冻结栈零样本完成，任务方向成功率随迭代持续攀升。
所属事件:中外团队提出 Recursia 具身递归自我改进范式(2 条相关)→
「具身」频道最新
- Kodiak Robotics 宣布数周内启动完全无人卡车上路，已为 IKEA 运货 — Scobleizer · 2026-10-22
- RAX 用冻结 LLM 靠探索驱动机器人:零示教超 π0.5 达 96.7%,成本仅 1/20 — du_yilun · 2026-10-22
- CMU 春季开人形机器人学习课，每队配真机且全套开源 — GuanyaShi · 2026-10-22
- 戴上 S1 数据手套玩魔方洗牌，机器人手技能数据采集新姿势 — Haoyu_Xiong_ · 2026-10-22
- 特斯拉加州 Optimus 工厂状态更新为「早期爬坡」，德州工厂在建 — BrettKrieger12 · 2026-10-22
- 为机器人学采集数据：S1 技能捕捉手套记录百万小时人类演示 — ybisk · 2026-10-22