RoboFoundry: Hệ thống tự tiến hóa cho các tác nhân AI có thân thể

Tác giả: Jingsong Liang, Shuhao Liao, Shizhe Zhang, Diyuan Hou, Yuxin Cai, Xinjian Deng, Chengyang He, Wenhui Huang, Runjia Tan, Zhidong Wang, Lan Yu, Xuesong Tian, Guillaume Sartoretti, Jie Luo, Yao Mu, Wenjun Wu, Wanhua Li, Chen Lv

Xem PDF HTML (thử nghiệm)

Tóm tắt: Một mô hình nền tảng không nên hoạt động đơn lẻ như một tác nhân hiện thân (embodied agent). Tuy nhiên, các phương pháp hiện nay thường tối ưu hóa từng thành phần riêng lẻ trong hệ thống tác nhân, chẳng hạn như bộ nhớ, ngữ cảnh, kỹ năng hoặc giao diện hành động, thay vì coi chính hệ thống hỗ trợ đó là một chính sách thống nhất. Hơn nữa, sự tương tác đơn thuần không mang lại khả năng tự cải thiện trừ khi kinh nghiệm thực thi được chuyển đổi thành những thay đổi hệ thống bền vững và đã được kiểm chứng. Do đó, chúng tôi đề xuất RoboFoundry, khung tác nhân hiện thân đầu tiên xây dựng quy trình này dưới dạng Hệ thống-như-Chính sách Tự tiến hóa (Self-Evolving System-as-Policy). RoboFoundry chẩn đoán các lỗ hổng năng lực trong việc ra quyết định và quản lý bộ nhớ, chuyển đổi các dấu vết thực thi thành các bản cập nhật hệ thống cụ thể cho từng tác vụ đã được kiểm chứng, đồng thời thúc đẩy những cải tiến định kỳ cho hệ thống tổng thể. Quá trình tiến hóa diễn ra trên hai bề mặt bổ trợ: hệ thống ngữ cảnh quản lý ngữ cảnh nội tại đang hoạt động và bộ nhớ hệ thống tệp bền vững, cùng hệ thống kỹ năng phân cấp tổ chức các kỹ năng nguyên tử, các thành phần có thể tái sử dụng và khả năng phục hồi dựa trên điều kiện thất bại. Một giao diện ngữ nghĩa chung giúp tách biệt các quyết định bất biến với hiện thân khỏi quá trình thực thi đặc thù của hiện thân, cho phép các năng lực hệ thống đã tiến hóa có thể chuyển đổi giữa các robot không đồng nhất. Trên EmbodiedBench, RoboFoundry đạt hiệu suất tiên tiến nhất, đặc biệt là cải thiện GPT-5.5 thêm 27,8%. Nó cũng đưa Qwen3.7-Plus đạt hiệu suất gần tương đương với GPT-5.5 (70,3% so với 72,7%), cho thấy những cải thiện nhất quán từ quá trình tiến hóa hệ thống-như-chính sách trên các mô hình nền tảng. Đối với bộ nhớ dài hạn, RoboFoundry vượt trội hơn tất cả các phương pháp cơ sở trên RoboMemArena ít nhất 39,0%, ngay cả khi so với các phương pháp được hỗ trợ bởi các mô hình nền tảng bên ngoài. Trên LIBERO-PRO, nó tiếp tục vượt qua Cap-Agent0 từ 243,8% đến 679,7% trên tất cả các loại nhiễu. Trong các triển khai thực tế, RoboFoundry thể hiện khả năng chuyển đổi zero-shot và tiến hóa trực tuyến giữa các robot và tác vụ, làm nổi bật tiềm năng của nó đối với các tác nhân hiện thân tự hành hoàn toàn.

Lịch sử gửi bài

Từ: Jingsong Liang [xem email] [v1] Thứ Bảy, 26 tháng 9 năm 2026 18:41:03 UTC (18.247 KB)