arXiv · cs.AI· Python Song, Zhixuan Liang, Kelsey Fu, Mengdi Wang, Junfeng Yang, Shilong Liu·· 18 小时前
EmbodiedRSI：通过假设引导的协同演化实现主动持续机器人学习
EmbodiedRSI: Active Continual Robot Learning Through Hypothesis-Guided Co-Evolution
arXiv:2610.10498v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Python Song, Zhixuan Liang, Kelsey Fu, Mengdi Wang, Junfeng Yang, Shilong Liu
首次提交：2026-10-08 01:48
研究任务与主要进展
EmbodiedRSI 提出一种自进化智能体框架，通过假设引导的协同演化，让机器人自主决定探索方向，并将物理交互结果转化为改进后的代码与技能。基于论文摘要，该方法采用快慢双系统架构、假设图和基于价值信息的实验选择；在 RoboCasa365 上总体成功率为77.0%，在 Composite-Unseen 上为71.3%，并在真实机器人多项任务中实现71.3%的零样本总体成功率。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org