机器人为何要重复犯同样的错误？
Manifold AI 提出 WorldScape R²SI 框架，由内层 Robot Agent 按任务专用技能执行动作，外层 Recursion Agent 审查执行记录、修订技能，并在任务用到反应式动作模型时重新训练该模型，更新须通过测试才发布。来源报告称其在 RoboDojo Agent Track 排名第一，领先 GPT-6 Astra 与 GR00T-N1.7。push_T 示例中，技能修订把最初超预算的 723 步尝试降到成功的 596 步，同一布局再降至 389 步；冻结技能后三个随机布局分别用 222、312、256 步完成，均在 600 步预算内。
发布于 10-28 10:52来源：机器之心 JIQIZHIXIN
转载 · 官方发布原文：机器之心 JIQIZHIXIN ·《Why should a robot make the same mistake twice?》查看原链
机器人为何要重复犯同样的错误？ Manifold AI 推出 WorldScape R²SI，一个将执行经验转化为可复用改进的框架。 内层 Robot Agent 通过任务专用技能执行动作。 外层 Recursion Agent 审查执行记录、修订这些技能，并可在任务使用反应式动作模型时重新训练该模型。
更新必须通过测试才能发布。 这将即时任务执行与跨多次尝试改进系统的较慢工作分离开来。 结果：来源报告将 WorldScape R²SI 列为 RoboDojo 的 Agent Track 第一名，领先于列出的 GPT-6 Astra 和 GR00T-N1.7 系统。
在 push_T 示例中，技能修订将最初超出预算的 723 步尝试减少为成功的 596 步运行，然后在相同布局上减少到 389 步。 冻结技能后，三个随机布局分别在 222、312 和 256 步内完成，均在 600 步预算内。 WorldScape R²SI — 递归机器人自我改进（研究框架；来源报告未提供论文标题） 我们的报告：https://t.co/xx4vzIee4o 📬 #PapersAccepted by Jiqizhixin