RoboCoach 用世界模型定位长程机器人任务的薄弱子任务
RoboCoach 用世界模型找出长程机器人任务中最弱的子技能，把有限的人类示教集中到那里，提升迭代效率。
RSI（递归自我改进，指系统不断发现自身短板、用新经验提升下一轮表现）在具身智能中受限于真机试错和人工示范成本。RoboCoach 训练世界模型定位长程任务里的薄弱子任务，让人只对关键环节定向示教，以有限干预换取更大的能力提升。
正文摘录
.jpg)  RSI（Recursive Self-Improvement，递归自我改进） 关注的是：系统能否不断发现自身短板、获取新经验，并用新经验提升下一轮表现。然而，当前的具身系统仍高度依赖真机试错和人工决策。随着任务越来越长、技能组合越来越丰富，加之真机数据采集成本高昂，如何让有限的人类参与用在最需要的地方，成为具身 RSI 的核心问题。针对这一问题，RoboCoach 训练世界模型来定位长程任务中的薄弱子任务策略，引导人类定向示教，并更新对应的策略专家，从而以有限干预实现长程任务能力提升的最大化。 10 月 5 日，斯坦福 Shuran Song 和 Chelsea Finn 团队发布的 Mulligan 也得出了同样的判断：均匀采集是昂贵的浪费。区别在于，Mulligan 把预算投向已观测到的失败状态，RoboCoach 则投向世界模型定位出的薄弱子任务。