Embodied RSI范式突破机器人零样本泛化瓶颈：Recursia长时任务超英伟达ASPIRE 10个点
2026.10.14 · 事件 · 论文 · 论文预印本
北交大等团队提出Recursia，用内外双层循环实现零样本长时机器人操作。
来自北京交通大学、北京大学、纽约大学等机构的研究团队提出 Recursia，将具身系统组织为内外双层循环，外层汇总执行经验并验证对共享栈的修改。在 LIBERO-Pro Long 零样本迁移下，Recursia 取得 28%（位置扰动）/ 53%（任务扰动） 成功率，比英伟达 ASPIRE 分别高出 5.8 和 15.1 个百分点。
- Recursia 采用内外双层循环：内层执行任务，外层改进共享栈
- 零样本迁移下 LIBERO-Pro Long 成功率 28%（位置）/ 53%…
- 比英伟达 ASPIRE 分别高出 5.8 和 15.1 个百分点
- OpenVLA、π₀ 等 VLA 模型在两类扰动下几乎全军覆没（0%）
- 真机三任务平均成功率 66.7%，比 SD-only 高 40 个百分点
为什么值得看
展示具身 RSI 路线在零样本长时任务上的可检验进展。
适合谁关注
关注具身智能、机器人操作与自进化 Agent 的研究者和从业者。