研究：闭环机器人软件的学习与跨任务迁移
一项研究把完整闭环机器人实现当作可复用的执行经验，让编码智能体从少量成功演示生成策略代码，并用仿真反馈迭代改进。在 RoboCasa 的四个源任务上，迭代优化把成功率从初始代码的 28.3% 提升到经验证筛选代码的 64.2%，并在 Unitree G1 实体机器人上验证。迁移到九个新任务时，使用源任务经验证筛选的代码成功率为 57.0%，高于无参考的 45.2% 和使用初始代码的 41.5%。
#数据/训练
arXiv · cs.AI模型评分4343 arXiv · cs.AI模型评分5757 RoboArchitect：用编码模型自动设计带持久记忆的机器人智能体外壳
RoboArchitect 让编码模型观察机器人执行过程、诊断失败并迭代修改冻结策略外围的控制外壳，在不更新任何模型权重的情况下把未见场景平均成功率从 9.7% 提升到 43.3%（4.5 倍），未见任务从 12.7% 提升到 40.2%（3.2 倍）。
arXiv · cs.AI模型评分4848 从遥操作到长程灵巧性：评估视觉运动技能与离线代理指标用于灵巧操作
研究团队用五指机械手完成 RJ45 网线抓取与插入，在约 1700 次真机试验中评估了覆盖 7 个策略族的 281 个模仿学习策略。结果显示观测与动作表征比优化器和采样选择更关键：点云策略的感兴趣区域裁剪、机器人基座坐标系表征和点编码器内归一化各提升成功率 70-100 个百分点，视觉-语言-动作策略改用绝对动作预测后插入成功率最高提升 70 个百分点。