26年10月来自中科院大学、中科院自动化所和清华的论文“PhysEvo: Astra Can Act, Let It”。PhysEvo 对“冻结大模型如何通过改造自身的机器人软件系统获得更强能力”给出了有价值的实证；但对“递归机制本身能否持续提高自我改进效率”，证据仍然不足。最值得借鉴的是它如何把物理失败转化成可测试、可继承的工具与技能修改。如图 1 所示PhysEvo 中的物理 RSI：执行、诊断、修订、测试与继承。方法的核心：学习发生在模型外部的软件系统中。PhysEvo 固定 Astra 的模型权重，让同一个模型承担两种角色：Task agent：执行任务。根据图像、机器人状态、技能说明和当前记忆，选择动作或观察工具。Meta-agent：改进系统。查看执行轨迹与代码，诊断失败，修改工具、技能、执行逻辑，以及自身使用的诊断工具。论文将模型与机器人之间的这一层软件称为驾驭（harness），可理解为“观察、控制、记忆和工具调用的运行框架”。系统在第 r 轮的可持续状态为：H_r = (H_r^{task}^, H_r^{meta}^), theta 保持不变因此，经验被保存在代码、技能文档和诊断资源里。虽然权重不变，但模型获得的信息、可采取的动作以及使用工具的指导都发生变化，整个系统的行为能力随之改变。如图 2 所示PhysEvo 中的物理 RSI（物理具身自我改进）。一个处于冻结状态的 Astra 智能体通过任务交互接口（task harness）发挥作用，并根据执行反馈对任务资源和元资源进行修订。这些已采纳的修订将支持后续的实验回合与改进迭代。其基本过程是：这里有三个容易混淆的时间尺度：时间尺度允许发生什么信息如何保留一次任务内部观察、动作、回看历史、纠错当前任务的记忆开发阶段的任务之间修改工具、技能和诊断资源持久化框架版本仿真最终评测使用固定版本执行新布局不允许继续修改持久资源开发阶段，候选版本与原版本在同一任务、同一初始场景
26年10月来自中科院大学、中科院自动化所和清华的论文“PhysEvo: Astra Can Act, Let It”。PhysEvo 对“冻结大模型如何通过改造自身的机器人软件系统获得更强能力”给出了有价值的实证；但对“递归机制本身能否持续提高自我改进效率”，证据仍然不足。最值得借鉴的是它如何把物理失败转化成可测试、可继承的工具与技能修改。如图 1 所示PhysEvo 中的物理 RSI：执行、诊断、修订、测试与继承。方法的核心：学习发生在模型外部的软件系统中。PhysEvo 固定 Astra 的模型权重，让同一个模型承担两种角色：Task agent：执行任务。根据图像、机器人状态、技能说明和当前记忆，选择动作或观察工具。Meta-agent：改进系统。查看执行轨迹与代码，诊断失败，修改工具、技能、执行逻辑，以及自身使用的诊断工具。论文将模型与机器人之间的这一层软件称为驾驭（harness），可理解为“观察、控制、记忆和工具调用的运行框架”。系统在第 r 轮的可持续状态为：H_r = (H_r^{task}^, H_r^{meta}^), theta 保持不变因此，经验被保存在代码、技能文档和诊断资源里。虽然权重不变，但模型获得的信息、可采取的动作以及使用工具的指导都发生变化，整个系统的行为能力随之改变。如图 2 所示PhysEvo 中的物理 RSI（物理具身自我改进）。一个处于冻结状态的 Astra 智能体通过任务交互接口（task harness）发挥作用，并根据执行反馈对任务资源和元资源进行修订。这些已采纳的修订将支持后续的实验回合与改进迭代。其基本过程是：这里有三个容易混淆的时间尺度：时间尺度允许发生什么信息如何保留一次任务内部观察、动作、回看历史、纠错当前任务的记忆开发阶段的任务之间修改工具、技能和诊断资源持久化框架版本仿真最终评测使用固定版本执行新布局不允许继续修改持久资源开发阶段，候选版本与原版本在同一任务、同一初始场景
