论文页面 - 自进化代码代理：从数字程序到物理世界智能

来源：https://huggingface.co/papers/2609.35432 作者：

,

,

,

,

,

,

,

,

,

,

,

摘要

视觉-语言-动作（VLA）和世界-动作（WAM）模型直接将观测和指令映射为机器人动作。这种直接性将策略与训练紧密耦合：布局或视角的轻微改变就会导致失败，且指令的泛化能力很差。根本原因在于表示方式：任务需求、条件、进度和故障恢复被隐式编码在动作序列中，使其难以检查或修订。数字代码代理提供了一个先例：大语言模型（LLMs）调用工具、验证结果并根据反馈修订为可执行代码。同样的工作模式——显式状态、可管理和可修订的流程——构成了物理世界中泛化和长时程执行的基础，使得物理经验可以以可重用程序、记忆或证据的形式回归。我们提出了物理编码，将任务状态和执行表示为代码。代码作为世界记录对象、关系、约束和进度；代码作为策略组织规划、验证、恢复和执行。我们构建了 HexaAnything，它调用感知、规划和控制工具（包括VLA/WAM策略），并根据外部反馈做出在环决策。经过验证的轨迹成为数据和记忆，推动了从工具和程序到模型权重、架构，最终到硬件和任务设计的进化。在 RoboCasa 365 上，HexaAnything 在复合-未见（Composite-Unseen）和整体成功率上优于 XR-1 VLA，其通过 Harness 训练的 HexaModel 在所有划分上都优于基线模型，表明代码轨迹内化了物理执行。在 PhyBench 和一台 AgileX 双臂机器人上，该代理自主完成了物理实验和大部分桌面任务，通常比已公布的结果更快。我们观察到了数据、模型和工具的自进化；未来的工作目标是权重内化、架构、语言、表示和任务的自主再设计，以及在制造业和科学领域的部署。

查看 arXiv 页面 (https://arxiv.org/abs/2609.35432)查看 PDF (https://arxiv.org/pdf/2609.35432)项目页面 (https://hexafuture.ai/blog/physical-coding)GitHub (https://github.com/HexaFuture/PhysicalCoding)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.35432)

在你的代理中获取此论文：

hf papers read 2609\.35432

没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2609.35432 以从本页链接。

引用此论文的数据集0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2609.35432 以从本页链接。

引用此论文的 Spaces0

无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2609.35432 以从本页链接。

包含此论文的收藏0

无收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 以从本页链接。