近年来，机器人学习主要依赖模仿学习：用大量专家示范数据训练策略。但换个任务、变个环境，往往就要重新采集数据、重新训练——成本高，扩展性也差。

更麻烦的是，机器人基础模型在物体位置或任务指令变化时，性能会明显下降；想要进一步改进，又需要大量遥操作数据做后训练。

那么问题来了：能不能让具身智能体像人一样，在交互中自己发现"该学什么、该怎么改"，让每一次尝试都变成更有效的训练信号？

10月24日（周六）上午10:00，青稞Talk 第161期，青稞社区邀请到 EmbodiedRSI 一作 Python Song，分享《从 Code-as-Policies 到 EmbodiedRSI：具身智能体的自主学习与自我进化》。

本次分享将从 Code-as-Policies 出发，介绍大语言模型如何通过代码生成实现机器人控制，并回顾 Cap-X、Harness VLA、Aspire 等代表性工作，梳理 Embodied Agent Harness 从代码生成到自主进化的发展脉络。

其中：

CaP-X 系统研究了 Code-as-Policy 智能体：在 CaP-Gym 环境中通过合成、执行程序来控制机器人。CaP-Bench 发现，模型表现高度依赖人工设计的抽象，但通过多轮交互、结构化执行反馈、视觉差分、自动技能合成等 agentic test-time computation，可以显著提升鲁棒性。

论文：https://arxiv.org/abs/2603.22435

Harness VLA 把"harness"用在冻结的 VLA 上：通过规划器语义重接地、分阶段调用 VLA、解析原语与任务记忆，把冻住的 VLA 变成可靠的操控原语。

论文：https://arxiv.org/abs/2607.08448

Aspire 进一步让系统自主编写、精炼机器人控制程序，把验证过的经验沉淀成可复用的技能库，并用进化式搜索持续探索新任务。

论文：https://arxiv.org/abs/2607.00272

在此基础上，本次Talk 也将介绍 EmbodiedRSI：让 Embodied Agent Harness 自主决定"接下来试什么、往哪个方向更新"，让每次交互都能更有效指导后续改进。

具体来说，EmbodiedRSI 用快慢双系统维护相互竞争的代码与技能假设（Hypothesis Graph），用"信息价值"来选择最能区分这些假设的物理实验（Value-of-Information Experiment Selection），实验结果再驱动代码与技能的协同进化（Code-Skill Co-Evolution）；慢系统还会构建分层记忆，按对快系统后续改进的价值筛选有效经验。

在 RoboCasa365 上，EmbodiedRSI 达到 77.0% 的整体成功率，Composite-Unseen 场景 71.3%，最佳基线为 40.1%；在 LIBERO-Pro 上整体成功率达到 86.8%；还能零样本迁移到真实机器人，在多任务上达到 71.3% 的成功率。

论文：EmbodiedRSI: Active Continual Robot Learning Through Hypothesis-Guided Co-Evolution
链接：https://arxiv.org/abs/2610.10498

嘉宾介绍

Python Song，硕士毕业于哥伦比亚大学，人工智能领域青年研究者，师从哥伦比亚大学教授 Shilong Liu。以第一作者身份发表多篇学术论文，研究成果被 IEEE RA-L、EMNLP、CVPR、AACL 等国际顶级期刊及会议录用，担任多个顶会审稿人，获 ICML 审稿人银牌。主要研究方向涵盖机器人学习、大语言模型及 AI 驱动的科学发现。近期在 AI for Mathematics 领域取得突破性进展，打破著名三色毕达哥拉斯三元组问题世界纪录。

分享内容

从 Code-as-Policies 到 EmbodiedRSI：具身智能体的自主学习与自我进化

1、从模仿到进化：机器人学习面临的挑战
2、Code-as-Policies：大模型如何通过代码生成实现机器人控制？
3、从 Cap-X 到 Aspire：Embodied Agent Harness 的进化脉络
4、EmbodiedRSI：让具身智能体自主探索与持续改进
5、探讨未来具身智能体的新范式
6、AMA（Ask Me Anything）环节

直播时间

10月24日（周六）10:00 - 11:00