arXiv Robotics· Kaiyuan Chen, Xinyue Zhu, Shuangyu Xie, Uksang Yoo, Thi Thu Phuong Luong, Marcus Gualtieri, Christian Juette, Liu Ren, Spencer Huang, Ken Goldberg·· 13 小时前AI 评分40
智能体机器人自学习循环受控研究：模型、技能、反馈与课程如何影响策略改进
A Controlled Study of Models, Skills, Feedback, and Curriculum in Agentic Robotics
AI 导读
一项受控仿真研究覆盖九项操作任务、631 种实验配置和 28K 次编码智能体 rollout，系统变化模型能力、技能先验、反馈结构与课程设置。实验数据表明，瓶颈往往不是信息不足，而是把信息转化为正确的策略更新。自学习循环能否成功，取决于智能体能否有效归因失败、推理任务相关的空间与几何结构，并有选择地重构代码以改进策略。
推荐理由模型分析
该研究用九个操作任务、631 种配置和 2.8 万次编码智能体 rollout 的受控仿真，系统比较模型能力、技能先验、反馈结构与课程设置，指出自学习循环的瓶颈常在于把信息转化为正确的策略更新，而非信息不足。做机器人 Agent 或代码生成策略的研究者可据此判断失败归因、空间几何推理与选择性改代码对迭代效果的影响，但结论限于仿真任务，真实机器人效果尚未验证。
来源：arXiv Robotics · arxiv.org