36Kr Europe · English·· 2 小时前精选
哈佛大学等团队开源RAX机器人智能体框架，以在线探索生成可复用程序
Members from Tsinghua University's Yao Class and top talents from Harvard have enabled robots to write code and hone their skills independently, finally eliminating the need for humans to guide them step by step manually.
研究任务与主要进展
哈佛大学等团队开源机器人智能体框架RAX，让智能体在真实或仿真环境中自主探索，并把成功经验编译为可重复执行的程序。RAX固定底层语言模型且不进行策略训练，通过持久化工作区保存程序、笔记和已验证技能，成功后自动生成模块化代码以减少重复推理。文中称，在所列模拟评测中，RAX的平均性能较最佳基线高37.4%，并展示了其对多类机器人平台及真实机器人的架构支持。
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。请阅读原文核验。
本站判断
RAX的核心增量是把机器人在线探索得到的成功轨迹转化为可复用程序，并通过持久化技能库和前后端解耦降低重复推理、适配不同机器人平台的成本。文中称其模拟平均性能较最佳基线高37.4%，但真实机器人效果、计算成本及跨平台泛化仍取决于任务、探索预算和后端能力。本站设想：可在相同机器人、任务与预算下，对比RAX与预训练策略在成功率、人工干预次数、总时长和推理成本上的差异。
来源：36Kr Europe · English · eu.36kr.com