Recursia：共享可执行栈自改进实现机器人长程操作
原文标题：Learning to Compose: Recursive Self-Improvement of Shared Executable Stacks for Zero-Shot Long-Horizon Robot Manipulation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 Recursia 框架，把共享可执行栈而非单个任务程序作为持续改进单元，整合工具、带执行契约的技能、交接与验证器。系统依据执行轨迹定位失败并生成缺失工具或修复，经通用性检查与回归门控后冻结复用。在 LIBERO-Pro Long 仿真中较 ASPIRE 提升 5.8 至 15.1 个百分点，在 Franka FR3 真机组合任务上较基线提升 40 个百分点。
- 问题
- 机器人技能单独可用但组合时失败，缺乏持续改进的持久单元。
- 方法
- 以共享可执行栈为改进单元，整合工具、带执行契约的技能、交接与验证器，经通用性检查与回归门控后冻结复用。
- 结果
- LIBERO-Pro Long 仿真较 ASPIRE 提升 5.8 至 15.1 个百分点，Franka FR3 真机组合任务较基线提升 40 个百分点。
- 影响
- 为长程机器人操作提供可复用、可回归验证的技能栈自改进路径。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Recursia 以共享可执行栈为改进单元，真机组合任务较基线提升 40 个百分点
- •把共享可执行栈而非单个任务程序作为持续改进单元，整合工具、带执行契约的技能、交接与验证器
- •依据源侧执行轨迹定位失败，生成缺失工具或修复，经通用性检查、机制测试与回归门控后冻结复用
- •LIBERO-Pro Long 仿真中较 ASPIRE 在 Pos 扰动下提升 5.8 个百分点、Task 扰动下提升 15.1 个百分点
- •Franka FR3 真机三个组合任务上，较 Skill Document Only 基线平均成功率提升 40 个百分点
为什么重要：针对技能组合失效（能力缺失、完成信号失真、前置条件冲突）给出可复用的修复机制，对长程机器人操作落地有直接意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。