《Scaling Online Exploration for Robot Agents》即RAX（Robot Agent eXploration）由哈佛、英伟达、加州大学伯克利分校、MIT与斯坦福团队联合提出并开源，arXiv编号2610.22496，机器人前瞻于10月19日报道。RAX是一套面向机器人智能体的认知架构，通用编码智能体拿到自然语言指令、至多几张目标图像或视觉示范外加一个探索回合预算，直接通过机器人感知与控制接口与机器交互，全程不需要人工遥操作、不依赖动作示范数据，也不用手编动作原语或价值函数指导，底层语言模型参数保持固定，不做策略训练。智能体把成功的交互过程转化为可自主执行的代码程序，存入长期保存的工作空间，包含程序、笔记与经过验证的技能，供后续任务复用。研究在仿真中平均超过顶级基线37.4%，并在单臂、双臂、灵巧、移动与人形等多种本体上验证。

为什么放弃遥操作示范数据这条老路？

模仿学习受限于示范分布，即便机器人能交互、测试时给额外算力，也难以泛化与自我改进。RAX的思路是让智能体在线获取经验、主动探索，把有效做法写成可反复运行的程序，而不是先收集海量人工操作再训练策略模型。新本体接入只需通过API接口，绕过遥操作数据采集与策略训练，这是框架开源后对社区最直接的价值。

44分钟写23个脚本才抓住一次，效率高吗？

以开空气炸锅任务为例，智能体第一次边看深度相机、边写分析脚本、边试动作，花44分钟写了23个分析脚本才完成首次抓取。但一旦摸索出定位把手、抓握、分步拉开抽屉、放香蕉、关门的有效决策序列，就能编译成模块化程序快速自动执行。首次慢、复用快，正是程序式经验与一次性策略的区别。

固定模型权重如何实现持续改进？

RAX不改语言模型参数，改进来自工作空间的积累，程序与验证过的技能越攒越多，遇到新任务直接调用拼接。随着探索规模扩大，研究观察到主动感知、错误恢复、安全护栏与人机协作等涌现能力，这些不是单独训练出来的，而是经验组合的结果。这把学习从权重更新转向外部知识库，与大模型长期记忆的思路一致。

开源框架离真实工厂落地还有多远？

仿真37.4%的优势与真机任务覆盖令人鼓舞，但真机上的长时程、变形物体与移动操作仍需更多验证，安全护栏也还处在观察阶段。开源让新本体只用API接入，降低的是研究门槛，不等于商业部署免调试。它更像下一代机器人学习的试验台，而不是开箱即用的产品。

信息来源与延伸阅读？

去论坛讨论

前往 silicon-agi.com 论坛 参与讨论