RoboDoctor：面向机器人策略的免训练递归自我改进
arXiv 2610.35604v1 提出免训练框架 RoboDoctor，在模型权重固定的前提下，把执行过程作为适应环节：反馈既指导当前动作，也为修正后续决策提供依据。框架围绕三个修正目标连接诊断、有依据的动作与持久经验，在策略与语言模型智能体之间分配控制权，由干预机制决定何时介入协助，并通过观察到的效果改进物理方法；关联经验记录保留决策理由、尝试方法、结果与复用条件。在 54 个 RoboDojo-Sim 任务条目上，五维平均分 57.10，原生成功率 49.44%，记录交互显示策略变化、选择性纠正与抓取修正。作者指出仍需对照试验分离跨回合经验的贡献。
发布于 10-27 12:57来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《RoboDoctor: Training-Free Recursive Self-Improvement for Robot Policies》查看原链
摘要：通用机器人策略与语言模型智能体具备互补能力，但完成任务还需要根据物理交互的后果调整它们的使用方式。 我们将执行过程视为适应的核心环节：反馈既指导当前动作，也为在模型权重固定的条件下修正后续决策提供依据。 我们提出 RoboDoctor，一个免训练框架，围绕三个修正目标把诊断、有依据的动作和持久经验连接起来。
该框架在策略与智能体之间分配控制权；干预机制决定何时介入协助，同时保留策略中有用的行为；运行环节则通过观察到的效果改进物理方法。 关联的经验记录保留决策理由、尝试过的方法、其结果以及可复用的条件。 在包含 54 个 RoboDojo-Sim 任务条目的精选档案上，RoboDoctor 取得五维平均分 57.10，原生成功率为 49.44%。
记录下来的交互展示了策略变化、选择性纠正和抓取修正。 这些发现刻画了所评估系统在执行阶段的适应能力；仍需开展对照试验，以分离跨回合经验的贡献。