具身图灵机：面向机器人递归自我改进的有状态代码

大多数机器人策略将模型保持在控制回路中：VLA 将观测映射为动作，而 Agent Harness（如 Agent-as-Policy 或 Harness VLA）在运行时查询 VLM 进行决策。我们提出一种不同的视角：具身世界是一台具身图灵机（Embodied Turing Machine），其磁带是机器人与环境的状态，规则即策略。如果该状态能够被准确表示，决策过程就可以完全用代码编写。因此，我们提出 Code-Only-as-Policy（COAP）范式：代码从摄像头图像和本体感知中测量并跟踪机器人、环境和任务状态，并基于此做出所有决策。同一段代码可跨 episode 复用，不同任务共享同一个库，无需 VLM 或 VLA 参与回路。与 VLA 和 Agent Harness 相比，我们分析了 COAP 的三大优势：（i）显式状态：状态可以存储在代码中；（ii）执行：代码使决策可控、能灵活地从故障中恢复，并且在线运行速度快、成本低；（iii）可扩展性：新任务可以复用、继承或扩展共享库，使能力得以跨任务不断积累。这些优势使 COAP 成为递归自我改进（RSI）的合适载体：编码智能体以闭环方式开发库，且每次修改都是显式且可控的。在 RoboDojo 的 42 项双臂任务上，所生成的库在测试时无需模型的情况下达到了 70.24% 的成功率。COAP 的性能上限取决于状态表示用于决策的准确性以及代码逻辑的鲁棒性。因此，我们将 COAP 提出为具身任务的一种新范式；由于其可跨 episode 复用，它也可以作为 VLA 和 Agent Harness 的高效数据引擎。