迈向物理AI的递归自我改进
一篇arXiv新论文（arXiv:2610.29677v1）将递归自我改进（RSI）概念引入机器人学习，梳理从提升机器人能力到改进能力生成过程的路径。作者指出，物理世界的RSI需通过代价高昂的试错从部分观测中学习，并应对运行条件变化与不可逆后果；收益延续需满足四个条件：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成立、持续实践安全可负担。现有研究集中于操作任务，已支持行为改进、对后续学习的助益与过程改进，但尚无物理研究分离出可归因于递归的收益。
发布于 10-22 13:00来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Toward Recursive Self-Improvement in Physical AI》查看原链
递归自我改进（RSI）描述的是这样一种系统：它不仅改进自身行为，还改进自身得以改进的过程。 近期的数字智能体通过重写自身代码并用可执行测试检验每个版本来验证这一理念。 要把这些机制引入物理世界，就需要通过代价高昂的试错从部分观测中学习，同时还要应对不断变化的运行条件以及可能不可逆的后果。
我们将RSI置于机器人学习的框架中，梳理从提升机器人能力到改进生成这些能力的过程的路径。 我们考察物理经验如何强化这些改进机制，以及由此产生的收益何时能够支撑机制本身的进一步自我改进。 只有当反馈针对剩余的学习需求、接收组件能够利用该变化、其价值在任务或硬件变化后依然成立、且持续实践保持安全与可负担时，收益才能被延续。
现有研究集中于操作任务，支持了行为改进、对后续学习的助益以及过程改进。 部分系统还改变了改进者的知识或工具，但本文综述的物理研究尚未分离出可归因于递归的收益。 我们将这些发现综合为评估原则与研究方向，指向能够逐次试验、安全地改进其改进方式的机器。