ReSkill选择性自改进框架用于机器人操作

2026年11月10日，arXiv Robotics 刊出 Zheng Sun 等作者的论文，提出 ReSkill 选择性自我改进框架，用于机器人操作任务。该框架把修订集中在能力缺口上：编码智能体依据指令和技能库构建以对象为中心的任务图，用节点级执行记录定位失败，候选修订须经全任务评估和配对比较后才被采纳。作者称，智能体只在开发阶段参与，部署后的策略调用保留的技能，运行时不再调用智能体。在开发集上，十个 RoboDojo 任务的平均成功率从初始版本的 30.0% 升至最终采纳程序的 86.2%；在八个真实世界任务中，ReSkill 在重建仿真试验的 80 次中成功 72 次，在真实机器人试验的 80 次中成功 62 次（77.5%）。上述数据均出自论文作者自述，尚待独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。