PyRUA-REAL将机器人探索转化为可复用技能
AI 总结
论文提出PyRUA-REAL框架，用于研究具身递归自我改进；编码智能体会把物理交互经验保存为持久记忆和可复用的可执行技能。作者报告该系统在8项真实世界任务上的平均成功率为91.1%，在RoboDojo基准的42项任务上为84.4%，并测试了无需在线智能体决策的部署方式。论文还研究了智能体协作、执行反馈、任务规格、鲁棒性和技能迁移。
深度见解
该框架展示了如何将真实机器人探索转化为可复用技能，并为后续代码改进、任务迁移和离线部署提供实践依据。
Computer Science > Robotics
arXiv:2611.06768 (cs)
[Submitted on 4 Nov 2026]
Title:PyRUA-REAL: Robot Exploration and Adaptive Learning through RSI in the Real World
Authors:Qiang Wang, Jianxin Bi, Shulong Jiang, Ruiyang Si, Wenbo Huang, Kaiqi Chen, Jiaxin Li, Liyun Li, Xuanyi Li, Daquan Zhou
View a PDF of the paper titled PyRUA-REAL: Robot Exploration and Adaptive Learning through RSI in the Real World, by Qiang Wang and 9 other authors