登顶RoboDojo智能体超过GPT-6 Astra：Manifold AI推出R²SI

近日，Manifold AI 流形空间登顶机器人学习基准 RoboDojo 榜单（Agent Track），超越 GPT-6-Astra、英伟达 GR00T-N1.7 等模型。

三个月前，Manifold AI 发布了具备上下文学习（In-Context Learning，ICL）能力的世界动作模型 WorldScape Policy 2.0。随后，Generalist AI 和 Skild AI 也相继官宣了各自具备上下文学习能力的具身模型 Gen-1.5 与 S1。

从一次示范中学习新任务，是机器人适应真实世界的一条路径。但模型能力的提升，还需要与系统的自我改进相结合。

围绕这一问题，Manifold AI 提出了 WorldScape R²SI（Recursive Robot Self-Improvement，机器人递归自进化）框架：通过内外双层 Agent 系统执行任务复盘、技能修正与经验积累，让有效经验进一步推动机器人模型和系统的双重自我改进。

登顶背后的两项技术支撑

RoboDojo 面向机器人操作能力，覆盖双臂操作、长程任务、记忆、泛化和精细操作等维度，要求系统在任务规定的原生动作步数限制内取得有效进展。

此次评测中，WorldScape R²SI 位列总榜第一。

这一系统背后有两项核心技术支撑：

• ICL 关注机器人如何在不进行后训练的情况下，通过一次人类示范学习新任务；
• R²SI 将任务执行、经验复盘与技能更新连接起来，关注机器人如何在多次执行中持续改进。

两者共同指向一个目标：让机器人更有效地调用已有能力、应对变化，减少遇到新情况时从头探索的需要。

ICL：让机器人「一次就会」

今年 7 月发布 WorldScape Policy 2.0 时，Manifold AI 提出了一个问题：

面对新任务，机器人能否不重新训练模型，仅看一遍人类示范就完成任务？

这一问题对应着机器人走向真实世界时必须面对的变化：模糊的指令、多样的操作物、多个任务的随机组合，以及在执行过程中不断变化的环境。人类能够习以为常地处理这些情况，机器人却往往需要为此付出额外的学习成本。

通常，机器人面对这些变化时，需要重新采集数据、训练或微调模型。ICL 则将人类示范作为上下文，让模型在执行阶段利用示范适应新任务，无须改变模型参数。

WorldScape Policy 2.5，一次示范泛化多种全新任务

WorldScape Policy 2.5 的能力主要体现在三个层面。

1. 动作迁移：物体规格发生变化，动作仍能复用

观看印章操作示范后，机器人能够将「盖章动作」迁移至不同颜色和形状的新印章，以及不同位置、不同材质的落款页。

这意味着，机器人需要从示范中提取能够迁移的操作方式，超越对某个特定物体或固定动作轨迹的简单记忆与模仿。

2. 技能组合：让多个操作阶段顺畅衔接

从拿起鞋子到松开鞋带，任务涉及多个相互衔接的操作阶段。机器人需要根据当前观察调整行为，协调不同阶段的操作。

这类任务考察的是，机器人能否根据新的任务要求组织已有技能，并在执行中完成阶段切换，而非仅仅重复某个单一动作。

3. 零样本学习长任务

长程任务推理的难点在于，前一步的执行结果会影响后续任务，局部偏差可能沿着任务链条累积，最终导致执行中断。

为管理长程任务中的信息，Manifold AI 在 WorldScape Policy 中引入了视觉记忆与事件记忆机制，帮助系统保留环境变化、任务进度等关键信息，为后续决策提供依据。

根据 Manifold AI 展示的实验结果，面对预训练中的已知任务，上下文学习模型的表现已显著超过对照 VLA 模型；进一步面对未知任务时，两者的成功率差距甚至达到数倍。

不同训练任务数量 ICL/VLA 模型成功率对比

R²SI：让执行经验转化为持续改进

机器人每次执行任务，都会产生可用于改进的信息。

抓取失败，可能需要调整接近方向；推移未达预期，可能需要改变接触高度；即使任务已经完成，若耗费了过多动作步数，也意味着策略仍有优化空间。如果这些经验无法被有效复用，机器人就可能在下一次执行中重复犯错。

在 Manifold AI 看来，从持续执行中积累经验、提升能力，是支撑具身智能应对真实世界任意任务的一项本质能力。

R²SI 正是围绕这一问题提出的自进化系统。它通过双层 Agent 结构，将任务执行与经验分析、修正和积累连接起来，尝试形成持续改进的闭环。

具体而言，R²SI 由内外两层 Agent 构成：内层负责执行，外层负责改进。

内层 Robot Agent 以多视角 RGB 图像、机器人本体状态、任务描述与回合记忆作为上下文进行决策，并通过按任务加载的 Skill 执行任务。

调用 reactive model（WSP）本身也是一项 Skill。加载后，Robot Agent 依据观测调用 reactive model（WSP）；该模型执行一个动作块后，即交还控制权，Robot Agent 再根据新的观测决定下一步。

外层 Recursion Agent 则跨轮次复盘执行记录，修订 Skill，并以 Harness 更新的形式作用于内层。对于使用 reactive model（WSP）的任务，外层还会将执行记录组织为训练数据，训练并更新该模型。各类更新均须通过测试，才能自动发布并纳入版本管理。

任务实例：从失败诊断到技能改进

以下两个案例分别展示了 R²SI 的两条改进路径：在 push_T 任务中，外层改进 Skill；在装箱任务中，内层调用 reactive model（WSP），外层则对其进行训练。

案例一：push_T，改进 Skill

在 RoboDojo 的 push_T 任务中，机械臂需要将 T 形物体沿桌面推入目标区域，使位置、朝向与接触状态同时满足要求，并在 600 个原生动作步数内完成任务。该任务不使用 reactive model（WSP）。

首轮执行中，Robot Agent 采用的夹持方向与任务不相适配，且在平移过程中同步转向，导致物体发生明显偏转。对齐完成后，夹爪一次性释放，又使物体偏离目标位姿。本轮执行共耗用 723 步，超出预算。

外层 Recursion Agent 据此修订了 Skill：调整夹持方向；将平移与转向解耦，先平移、后分段转向；分阶段释放夹爪，并逐段检查物体是否发生偏移。修订版本通过测试后，自动发布至内层 Robot Agent。

更新后的 Skill 首次在预算内取得原生满分，耗用 596 步。经后续迭代，同一布局下的原生动作步数进一步降至 389，较 596 步下降约 35%。

此后，该 Skill 冻结，外层停止更新。内层 Robot Agent 以 RGB 图像与公开的机器人状态作为观测，在 push_T 的三种随机布局上自主执行，分别以 222、312、256 步完成任务，均取得原生满分，且均未超出 600 步预算。

案例二：装箱，调用并训练 reactive model（WSP）

当任务切换至装箱时，外层 Recursion Agent 为内层加载调用 reactive model（WSP）的 Skill。

执行中，Robot Agent 依据观测调用该模型；模型执行一个动作块后即交还控制权，Robot Agent 再根据新的观测决定下一步，如此往复。

外层 Recursion Agent 随后将执行记录组织为训练数据，并训练 reactive model（WSP）。更新后的模型继续供内层调用。由此，该模型既承担执行，也能在外层 Agent 的训练下持续改进。

这两个案例呈现了 R²SI 的基本工作方式：内层通过 Skill 执行任务，调用 reactive model（WSP）是其中一种方式；外层持续改进 Skill 与 reactive model（WSP），让试错经验沉淀为可复用的能力。

R2SI 双层 Agent 任务实例

从榜单成绩到机器人通用能力

回看 ICL 模型发布后的三个月，WorldScape Policy 从 2.0 探索通过一次示范学习新任务，到 2.5 探索动作迁移、技能组合与长程执行，Manifold AI 的研究始终围绕一个问题展开：机器人如何在复杂操作中有效利用观察、示范与记忆。

WorldScape R²SI 则进一步连接了执行与经验改进，通过提炼技能、验证修改，探索 Agent 与动作模型的协同进化。

此次登顶 ，是这一系列探索的阶段性成果。从一次示范中适应新任务，再到从多次执行中积累经验，Manifold AI 正尝试将模型学习与系统改进连接起来。接下来，这套技术路径能在多大程度上转化为机器人的通用能力，还将接受实际落地场景的检验。

文章来自于微信公众号 “机器之心”，作者 “机器之心”