近日，Manifold AI 流形空间在权威机器人学习基准测试 RoboDojo-Agent 榜单中登顶，超越 GPT-6-Astra、英伟达 GR00T-N1.7 等国际知名模型。
三个月前，我们首次发布了具备上下文学习（In-Context Learning，ICL）能力的世界动作模型。随后，Generalist AI 和 Skild AI 也官宣了各自具备上下文学习能力的具身模型 Gen-1.5 与 S1。
模型能力的提升，也需要与系统的自我改进相结合。Manifold AI 提出了 WorldScape R²SI（Recursive Robot Self-Improvement，机器人递归自进化）框架：通过内外双层 Agent 系统执行任务复盘、技能修正、经验积累，让有效经验进一步推动机器人模型和系统的双重自我改进。
01 登顶背后的两项技术支撑
RoboDojo 面向机器人操作能力，覆盖双臂操作、长程任务、记忆、泛化和精细操作等维度，要求系统在任务规定的原生动作步数限制内取得有效进展。
此次评测中，WorldScape R²SI 取得 46.58 的宏观进度分数，高于 GPT-6 Astra 取得总榜第一。
整个系统背后有两项核心技术支撑：
ICL，一次示范学习新任务
ICL 关注机器人如何在不后训练的情况下，通过一次人类示范学习新任务；
R²SI，多次执行持续改进
R²SI 将任务执行、经验复盘与技能更新连接起来，关注机器人如何在多次执行中持续改进。
两者共同指向一个目标：让机器人更有效地调用已有能力、应对变化，减少遇到新情况时从头探索的需要。
02 ICL：让机器人 "一次就会"
今年 7 月发布 WorldScape Policy 2.0 时，我们提出一个问题：面对新任务，机器人能否不重新训练模型，仅看一遍人类示范即可完成任务？
毕竟真实世界可不是按照训练数据固定运转 —— 模糊的指令、多样的操作物、多个任务随机组合、边干活环境边改变等等，这才是我们人类面对的日常。
通常机器人面对这些变化时，需要额外采集数据 - 训练 - 微调。而 ICL 将人类示范作为上下文，让模型在执行阶段利用示范适应新任务，不必改变模型参数。
WorldScape Policy 2.5 的能力体现在三个层面。
1 动作迁移，物体规格随意改
观看印章操作示范后，机器人迁移了 "盖章动作" 到不同颜色和形状的新印章、不同位置和材质的落款页，超越了对某个物体和固定动作轨迹的简单记忆和模仿。
2 技能组合，独立记忆完美衔接
从拿起鞋子到松开鞋带，任务涉及多个衔接的操作阶段。机器人需要根据当前观察调整行为，协调各阶段的操作。
这考察的是机器人能否根据新的任务要求组织已有技能，而非重复单一动作。
3 零样本学习长任务
长程任务推理的难点是，前一步的结果会影响后续任务从而发生 "宕机"，为管理长程任务中的信息，我们在 WorldScape Policy 引入视觉记忆与事件记忆机制，帮助系统保留环境变化、任务进度等关键信息。
经过我们这些实验，发现面对预训练已知任务，上下文学习已显著超越 VLA 模型；进一步面对未知任务，两者正确率甚至相差数倍。
03 R²SI：让执行经验转化为持续改进
机器人每次执行任务，都会产生可用于改进的信息。抓取失败，可能需要调整接近方向；推移未达预期，可能需要改变接触高度；任务虽已完成，却耗费过多动作步数，也说明策略仍有优化空间。如果这些经验无法被有效复用，机器人就可能在下一次执行中重复犯错。
因此，从持续执行中进行经验积累、提升，是支撑具身智能通往真实世界任意任务的本质能力。
R²SI 正是围绕这一问题提出的自进化系统，通过双层 Agent 结构，连接任务执行与经验分析、修正和积累，尝试形成持续改进的闭环。
R²SI 由内外两层 Agent 构成：内层负责执行，外层负责改进。
内层 Robot Agent：任务执行
内层 Robot Agent 以多视角 RGB 图像、机器人本体状态、任务描述与回合记忆作为上下文进行决策，并通过按任务加载的 Skill 执行任务。调用 reactive model（WSP）本身也是一项 Skill：加载后，Robot Agent 依据观测调用 reactive model（WSP），该模型执行一个动作块即交还控制权，Robot Agent 再依据新的观测决定下一步。
外层 Recursion Agent：经验分析与改进
外层 Recursion Agent 跨轮次复盘执行记录，修订 Skill，并以 Harness 更新的形式作用于内层。对于使用 reactive model（WSP）的任务，外层还将执行记录组织为训练数据，训练并更新该模型。各类更新均须通过测试，方可自动发布并纳入版本管理。
任务实例：从失败诊断到技能改进
以下两个案例分别展示这两条改进路径：push_T 中，外层改进 Skill；装箱任务中，内层调用 reactive model（WSP），外层对其进行训练。
案例一：push_T，改进 Skill
在 RoboDojo 的 push_T 任务中，机械臂需将 T 形物体沿桌面推入目标区域，使位置、朝向与接触状态同时满足要求，并在 600 个原生动作步数内完成任务。该任务不使用 reactive model（WSP）。
首轮执行中，Robot Agent 采用的夹持方向与任务不相适配，且在平移过程中同步转向，导致物体发生明显偏转。对齐完成后，夹爪一次性释放，又使物体偏离目标位姿。本轮共耗用 723 步，超出预算。
外层 Recursion Agent 据此修订 Skill：调整夹持方向；将平移与转向解耦，先平移、后分段转向；分阶段释放夹爪，并逐段检查物体是否偏移。修订版本通过测试后，自动发布至内层 Robot Agent。
更新后的 Skill 首次在预算内取得原生满分，耗用 596 步。经后续迭代，同一布局下的原生动作步数进一步降至 389，降幅约 35%。
此后，该 Skill 冻结，外层停止更新。内层 Robot Agent 以 RGB 图像与公开的机器人状态作为观测，在 push_T 的三种随机布局上自主执行，分别以 222、312、256 步完成任务，均取得原生满分，且均未超出 600 步预算。
案例二：装箱，调用并训练 reactive model（WSP）
当任务切换至装箱时，外层 Recursion Agent 为内层加载调用 reactive model（WSP）的 Skill。执行中，Robot Agent 依据观测调用该模型；模型执行一个动作块后即交还控制权，Robot Agent 再依据新的观测决定下一步，如此往复。外层 Recursion Agent 随后将执行记录组织为训练数据并训练 reactive model（WSP），更新后的模型继续供内层调用。该模型由此既承担执行，又能在外层 Agent 的训练下持续改进。
内层通过 Skill 执行，调用 reactive model（WSP）即是其中之一；外层持续改进 Skill 与 reactive model（WSP），试错经验持续沉淀为可复用的能力。这就是 R²SI。
04 从榜单成绩到机器人通用能力
回看 ICL 模型发布后的三个月，WorldScape Policy 从 2.0 探索通过一次示范学习新任务，到 2.5 探索动作迁移、技能组合与长程执行，我们持续研究机器人如何在复杂操作中利用观察、示范与记忆。
WorldScape R²SI 则进一步连接执行与经验改进：提炼技能、验证修改，并探索 Agent 与动作模型的协同进化。此次登顶，是这一系列探索的阶段性成果，下一站我们将在落地实战中见分晓。
（来源：Manifold AI 流形空间）
