论文页面 - PhysEvo: Astra Can Act, Let It（Astra 可以行动，就让它行动）

来源：https://huggingface.co/papers/2610.08995

摘要

Astra 可以行动，但可靠的机器人操作依赖于它观察和控制世界的系统。我们提出了 PhysEvo，一个围绕单一冻结模型构建的物理递归自我改进（RSI）框架。一个任务智能体执行机器人任务；一个元智能体利用产生的轨迹来诊断失败、修订工具与技能并验证修正效果。元智能体还可以改进自身的诊断工具，因此保留的修订既支持后续行动，也支持后续自我改进。该过程无需更新模型权重或训练单独的动作策略，即可发展出关节级控制、证据驱动的观测以及可复用的操作技能。在 42 项 RoboDojo 任务中，对保留的任务专用部署版本进行留出布局评估，五维度平均得分为 68.14/100，成功率为 62.00%，而 RoboDawn 的一次性 Astra 智能体（我们对比中最强的已发表基准）为 47.17%。在八项对直接使用 Astra 构成挑战的操作任务中，PhysEvo 达到 55.00% 的成功率，而直接使用 Astra 的基准仅为 1.25%。将仿真中演化的部署框架应用于 AgileX PiPER 并持续进行技能修订，在五个真实世界任务的 25 次试验中取得了 90.60/100 的平均得分和 84.00% 的成功率。PhysEvo 将行动的后果转化为对冻结模型行动与改进方式的持久、可测试的变更。

查看 arXiv 页面 (https://arxiv.org/abs/2610.08995) | 查看 PDF (https://arxiv.org/pdf/2610.08995) | 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.08995)

引用此论文的模型 0

暂无模型链接到此论文

在模型 README.md 中引用 arxiv.org/abs/2610.08995 即可从此页面链接到该模型。

引用此论文的数据集 0

暂无数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2610.08995 即可从此页面链接到该数据集。

引用此论文的 Space 0

暂无 Space 链接到此论文

在 Space README.md 中引用 arxiv.org/abs/2610.08995 即可从此页面链接到该 Space。

收录此论文的合集 0

暂无合集收录此论文

将此论文添加到合集即可从此页面链接到该合集。