内容摘要：这项由英伟达NVIDIA）、密歇根大学UMich）、伊利诺伊大学厄巴纳-香槟分校UIUC）、加州大学伯克利分校UC Berkeley）以及卡内基梅隆大学CMU）联合开展的研究，以预印本形式发布于202

这项由英伟达（NVIDIA）、英伟员样越做越熟密歇根大学（UMich）、达让伊利诺伊大学厄巴纳-香槟分校（UIUC）、机器加州大学伯克利分校（UC Berkeley）以及卡内基梅隆大学（CMU）联合开展的人像研究，以预印本形式发布于2026年6月30日，老手练论文编号为arXiv:2607.00272。程序感兴趣的英伟员样越做越熟读者可以通过该编号在arXiv平台查阅完整论文。

想象一下，达让你入职一家新公司，机器第一天上班对业务一无所知，人像所有操作均需从零摸索。老手练每次失败仅得到“未达标”的程序模糊反馈，却不知具体症结所在。英伟员样越做越熟更糟糕的达让是，公司规定每日下班必须清空所有记忆，机器次日重启。若持续百天，你依然毫无长进。这听起来荒诞，却是过去机器人控制程序面临的真实困境。

如今，由多所顶尖机构研究人员组成的团队提出了ASPIRE（Agentic Skill Programming through Iterative Robot Exploration，即通过迭代机器人探索实现智能体技能编程）系统，旨在彻底改变这一现状。ASPIRE赋予机器人程序类似资深工程师的能力：不仅能自主诊断并修复问题，更能将修复经验“归档”，在后续遇到相似场景时直接调用，避免重复试错。

一、机器人编程的痛点：为何难以积累经验？

理解ASPIRE的价值，需先厘清机器人编程的核心难点。

训练机器人执行任务，本质上是编写一份高精度的“操作手册”，涵盖视觉识别、运动规划、抓取力度控制、避障策略及多步骤协同等复杂环节。任何一环出错，任务即告失败。

然而，传统系统存在两大致命缺陷：

1. 反馈模糊：当任务失败时，系统仅提示“失败”，无法定位是视觉识别偏差、路径规划错误还是抓取姿态不当。这如同厨师做菜被评价“难吃”，却不知是咸淡、火候还是食材问题，导致修复无从下手。
2. 经验断层：即便修复了当前问题，这些宝贵的调试经验也无法保留。面对新任务（即使根源相同），机器人仍需重新摸索。研究团队形象地指出：解决第一百个任务的机器人代理，其经验水平仍等同于解决第一个任务时。

人类工程师的解决路径截然不同：通过回放执行过程，逐层排查子系统，定位故障，修复后内化为通用知识（如“遇障碍需绕行”、“抓圆柱体需对齐长轴”）。随着经验积累，解决新问题的效率呈指数级提升。ASPIRE的核心设计，正是将这种“人类老工程师”的迭代学习机制自动化。

二、ASPIRE的三大核心机制：诊断、积累、进化

ASPIRE系统由三个紧密协作的模块构成，宛如一支高效的维修团队：

1. 细粒度诊断：让“失败报告”精准化

传统系统如同医生只告知“患病”却不指明病灶。ASPIRE引入了机器人执行引擎（Robot Execution Engine），为每个基础操作步骤生成详尽日志，包括功能调用、输入输出、状态返回、视觉图像、物体位姿、夹爪候选姿态及运动规划结果等。

这相当于对修车过程进行高清全程录像，并记录每颗螺丝的扭矩与拧紧状态。代理（AI）可据此像侦探般缩小排查范围：是视觉未识别？路径受阻？还是抓取姿态错误？

案例解析：
在“寻找并拾取红色收音机”任务中，视觉识别成功，但机器人靠近时频繁报错PLANNING_ERROR。若无细粒度记录，易误判为视觉或抓取问题。执行引擎日志显示：识别无误，路径规划失败是因为目标位置处于碰撞避免缓冲区。修复策略调整为多角度绕行（正面->左侧->背面），最终成功完成任务。

2. 技能卡片化：构建可复用的“经验库”

ASPIRE不会让修复经验流失。系统会将验证有效的修复方案提炼为“技能卡片”，存入持续增长的技能库。

每张技能卡片包含：
* 触发条件：失败的特征描述。
* 适用场景：使用边界。
* 修复策略：具体解决方案。
* 示例代码：可直接参考的代码片段。

以上述收音机任务为例，提炼出的技能卡片指出：当路径规划因目标点位于障碍物缓冲区而失败时，应尝试绕物体旋转靠近（45°、90°、180°等角度）。

技能库涵盖物体识别提示、空间推理、不同形状物体的抓取策略、运动规划恢复及调试工作流等。这些技能并非人工预设，而是从实际失败与修复中自动归纳。随着任务量增加，技能库日益丰富，新任务的解决速度随之加快。

3. 进化搜索：并行探索多种解决方案

单一修复路径易陷入局部最优。ASPIRE引入进化搜索（Evolutionary Search）机制，在每轮迭代中生成K个候选方案，测试不同假设。所有方案经执行引擎验证后，筛选表现最佳者作为下一轮基础，循环直至成功或达到预算上限。

这如同举办“修理马拉松”，多工程师并行尝试不同思路，通过优胜劣汰提高找到有效解决方案的概率，特别适用于单一路径难以突破的疑难任务。

三、系统架构：协调者与执行者的协同

ASPIRE采用“协调者-执行者”架构：

• 协调者（Coordinator）：类似项目经理，管理共享技能库，分配任务，并从执行者报告中提炼通用模式，更新技能库。
• 执行者（Actor）：编码代理，专注于单一任务，利用执行引擎记录进行诊断、修复与验证，并向协调者汇报可复用的修复模式。

执行者间不直接交换完整轨迹，仅通过技能库传递知识。此举确保每个执行者聚焦当前任务，避免噪音干扰，同时使有价值知识以精炼形式沉淀。

技术栈：
* LLM：Claude Code（Anthropic）搭配Claude Opus 4.6模型，拥有100万词元（token）上下文窗口，负责读取记录、编写代码及提炼技能。
* 仿真框架：基于MuJoCo Playground的CaP-X框架。

四、实验验证：三大基准任务全面测试

研究团队在三类机器人操作基准上评估ASPIRE：

1. LIBERO-Pro任务集：抗干扰鲁棒性测试

测试物体位置扰动与任务描述扰动下的表现。
* 对比基线：CaP-Agent0。
* 结果：ASPIRE综合成功率从18%提升至72%。
* 物体位置扰动：22% -> 98%。
* 任务描述扰动：18% -> 95%。
* LIBERO-Object套件平均提升77个百分点。
* 对比VLA模型：OpenVLA、π0、π0.5在所有扰动下成功率接近零，ASPIRE表现远超此类方法，部分任务甚至超越人类专家手写程序。

2. Robosuite任务集：接触丰富操作测试

涵盖单臂/双臂操作（积木堆叠、钉子装配、桌面擦拭、双臂协作等）。
* 单臂任务：ASPIRE与基线持平。
* 双臂协作：在物品传递任务中，基线成功率20%，ASPIRE提升至92%，展现显著优势。

3. BEHAVIOR-1K任务集：长序列家庭操作测试

测试复杂环境导航与拾取（如苏打水罐、收音机）。
* 收音机任务：任务完成率从56%提升至88%，导航成功率从80%提升至100%。
* 整体表现：ASPIRE在导航成功率与任务完成率上均优于人类专家程序及CaP-Agent0。

五、技能迁移：零样本跨任务与跨身体应用

1. 零样本迁移实验

ASPIRE积累的技能可直接迁移至未见过的复杂任务，无需额外调试。
* 实验设置：在LIBERO-90上积累技能，迁移至LIBERO-Pro Long。
* 结果：
* 无技能（N=0）：位置扰动成功率0%，任务描述扰动9.4%。
* 全量技能（N=90）：位置扰动22.6%，任务描述扰动38.3%，综合约30.5%。
* 对比基线：CaP-Agent0约3.8%，π0.5约5%。
* 结论：简单任务中学到的经验有助于应对复杂长序列任务。但技能库过大可能导致部分技能过时或矛盾，引发非单调性能波动，提示需优化技能管理。

2. 跨身体迁移：仿真到现实

测试仿真技能在真实机器人上的有效性。
* 实验设置：Franka仿真积累技能，迁移至YAM双臂真实机器人。测试任务：碗放盘子、苏打水罐抬取、推拉抽屉。
* 结果：
* 碗放盘子：成功率均为100%，但技能指导使Token消耗降低41%。
* 苏打水罐抬取：成功率从65%（13/20）提升至95%（19/20），Token消耗降低近90%。
* 推拉抽屉：无指导失败（0/20），有指导成功率55%（11/20），Token消耗大幅降低。
* 结论：仿真技能提炼的是通用策略而非特定代码，可跨越硬件差异指导真实机器人，显著降低调试成本。

六、消融实验：组件贡献度分析

• 基准线（零样本LLM）：平均成功率约14%。
• 加入细粒度执行引擎：成功率跃升至62%（提升48个百分点），为核心贡献组件。
• 加入进化搜索：成功率进一步提升至72%。
• 迭代效果：前几轮迭代提升显著，后续呈收益递减趋势，表明多样化假设能快速覆盖方案空间，但边际效益随轮次增加而降低。

七、局限性与未来展望

研究团队坦诚指出ASPIRE的局限：

1. 真实世界自主性不足：目前依赖仿真自动化重置与成功检测，真实世界需鲁棒的成功检测、安全重置流程及传感器标定，工程化挑战尚存。
2. 高昂计算成本：依赖Claude Opus 4.6等顶级大模型，小模型效果未验证，推理成本高昂。
3. 接口限制：系统基于预定义的感知/规划/控制接口，若任务超出接口范围，需人工扩展或近似处理。
4. 技能库管理难题：缺乏完善的检索、剪枝与验证机制，技能冗余或矛盾可能影响性能。
5. 扩展性瓶颈：进化搜索消耗大量LLM调用与仿真资源，需更高效的搜索策略或低成本LLM方案以支持大规模任务。

结语

ASPIRE通过系统化、自动化的方式，将人类工程师“清晰诊断、明确记录、并行探索”的经验积累模式赋予机器人。它不依赖天赋，而依赖对失败的深刻复盘与对成功的精准复用。

对普通用户而言，这意味着未来的服务与工业机器人将具备“越用越聪明”的能力，无需为每种场景从头编程。尽管从实验室到家庭稳定运行仍有距离，但ASPIRE证明了“机器人自主积累经验”在技术上的可行性，并取得了显著早期成果。

延伸阅读：
完整论文详情（含实验数据、技能示例及系统提示词）可通过arXiv编号 2607.00272查阅。

---

Q&A

Q1：ASPIRE技能库里的技能是人工写的还是自动生成的？
A：完全自动生成。系统在解决任务过程中，由协调者审核修复模式的通用性，仅将可跨任务复用的修复策略提炼为技能条目存入共享库，供后续任务参考。

Q2：ASPIRE和传统机器人学习方法有什么本质区别？
A：
* 传统VLA模型（如π0、OpenVLA）：依赖大量示范数据训练固定权重，训练后无法自主修改。
* 传统代码即策略：可编写程序，但不积累经验。
* ASPIRE：记录细粒度执行过程用于精准诊断，并将修复经验以可复用技能形式持久化，实现随任务增多而持续改进。

Q3：ASPIRE在真实机器人上表现怎么样？
A：在YAM双臂真实机器人测试中，仿真技能指导显著提升了调试效率与成功率：
* 苏打水罐抬取：成功率从65%提升至95%，Token消耗降低90%。
* 推拉抽屉：从完全失败提升至55%成功率。
* 注意：此为初步实验，规模有限，真实世界的全面自主学习仍需进一步研究。