arXiv · cs.RO· Qiang Wang·· 14 小时前精选AI 评分70
PyRUA-REAL: 基于RSI的机器人探索与自适应学习框架
PyRUA-REAL: Robot Exploration and Adaptive Learning through RSI in the Real World
AI 导读
Qiang Wang提出PyRUA-REAL框架，通过真实世界探索、代码改进和部署实现具身递归自我改进(RSI)。该框架让编码代理保留交互经验作为持久记忆和可重用技能，在8个真实世界任务中平均成功率达91.1%，在RoboDojo基准测试的42个任务中达84.4%。研究聚焦物理操作如何成为改进过程的核心，探索代理协作、执行反馈对代码改进的支持，以及任务规范和已有技能对鲁棒性和任务迁移的影响。
推荐理由
通过真实世界探索实现机器人自适应学习，91.1%成功率证明物理交互可转化为持久技能。
来源：arXiv · cs.RO · arxiv.org