NUS 等五校综述:物理 AI 的递归自我改进尚未有研究分离出递归增益
NationalUniversityofSingapore · hf · 2026-10-23
新国大、华中科大、上交大等团队发表立场论文,将递归自我改进(RSI)引入机器人学习框架:系统不仅改进行为,还改进「改进过程」本身。论文梳理了从改进机器人能力到改进其生成过程的路径,并给出增益可延续的四个条件:反馈针对剩余学习需求、接收组件能利用该变化、价值在任务或硬件变化后仍存续、持续练习安全且成本可负担。综述发现现有研究集中于操作(manipulation)领域,支持行为改进、后续学习收益与流程改进,部分系统已能修改改进者的知识或工具,但尚无研究分离出可归因于「递归」本身的增益。作者据此提出评测原则与研究方向。
「具身」频道最新
- KAIST FRED 自蒸馏改进世界动作模型，人转机器人技能成功率 19.4%→50% — kaist-ai · 2026-10-23
- Figure 每秒采集 81 分钟机器人数据，一周数据花费约 810 万美元 — joecole · 2026-10-23
- 盘点真正规模化赚钱的物理 AI:Waymo、Robotaxi、Matic 三家 — jokrvivek · 2026-10-23
- UCLA 校友创办的 Coco Robotics：室友搭档做人行道送货机器人 — zhoubolei · 2026-10-23
- Figure 04 进入设计冻结，Brett 称其为「人形机器人的 iPhone 1」 — chris_j_paxton · 2026-10-23
- Uber 对手 inDrive 拟 2027 年在哈萨克斯坦测试 Pony.ai 无人出租车 — TechCrunch AI · 2026-10-23