Manifold AI 提出 R²SI 框架，登顶机器人学习基准 RoboDojo
机器人学新任务通常要重新采集数据、微调模型；这项工作想证明，靠一次示范加上从自身执行中复盘迭代，也能持续变好。
Manifold AI 提出 R²SI（机器人递归自进化）框架，用内外两层 Agent 分别负责任务执行和复盘改进，让机器人把每次执行经验转化为技能更新。配合 WorldScape Policy 2.5 的上下文学习（看一次人类示范就能上手新任务）能力，该系统在机器人操作基准 RoboDojo 的 Agent 榜单位列第一，超过 GPT-6 Astra 与英伟达 GR00T-N1.7。
正文摘录
.jpg) 近日，Manifold AI 流形空间登顶机器人学习基准 RoboDojo 榜单（Agent Track），超越 GPT-6-Astra、英伟达 GR00T-N1.7 等模型。  三个月前，Manifold AI 发布了具备上下文学习（In-Context Learning，ICL）能力的世界动作模型 WorldScape Policy 2.0。随后，Generalist AI 和 Skild AI 也相继官宣了各自具备上下文学习能力的具身模型 Gen-1.5 与 S1。  从一次示范中学习新任务，是机器人适应真实世界的一条路径。但模型能力的提升，还需要与系统的自我改进相结合。