谁也没想到， AGI 随着 GPT-6 的到来竟然来得这么快。
GPT-6 Astra 的强大的基础通用模型能力有目共睹，大模型的 RSI 竟恐怖如斯。
几家欢喜几家愁。在此之前，谁也没有想到，这个基础模型能够在具身智能领域掀起一场巨大的浪潮。
就在 GPT-6 Astra 发布后的第二天，Robocurve 将它直接接入机器人执行任务，并惊奇的发现 GPT-6 Astra 在控制机器人方面强悍的夸张，Token 消耗也低的夸张。
GPT-6 Astra 在一项机器人控制任务中的成功率达到 95%，高于 Fable 5.1 的 40%；与此同时，输出 Token 用量仅为后者的约 1/6.2，成本约为后者的 1/2.3。
于是这一切开始一发不可收拾，用 GPT-6 基模控制机器人执行复杂操作的案例似雨后春笋。
好了好了，这下好了。我在具身智能领域很焦虑。
通用人工智能模型将接管具身智能领域的讨论越来越多，甚至大有「GPT-6 横扫具身」，具身智能将成为「这类模型的一个子领域」的趋势。
有知名具身智能企业的创始人表示，今天的具身智能还没有真正的护城河，通用模型公司在人才、算力和资金上占优，「未来一两年将是关键窗口」。Robocurve 提到，如果这一趋势持续，大语言模型最早可能在今年年底、最晚在 2029 年实现对机械臂的实时控制。
不过，亮眼的单项成绩，并不意味着基模已经能够在真实环境中安全、稳定地控制机器人。RoboDojo 团队在官方评测中指出，「Astra 在真机测试中反复发出物理上不合理或不安全的动作，部分事故甚至造成了硬件损坏。」出于安全考虑，团队提前停止测试，因此 Astra 未能完成原定包含 18 项任务的 RoboDojo-Real 评测。
这也提醒我们：基模能力的突破只是起点。如何约束动作、处理失败，让机器人安全、稳定地持续工作，仍是系统层面必须解决的问题。
基模在变强，但通用是一把双刃剑。正如打造智能体需要在基模之上构建 Harness 一样，具身智能上缺少的，是一套让经验积累、让能力持续生长的系统。我们发现了这样一个研究工作：
近日，穹彻智能发布 RoboRSI ，一个面向真实复杂场景的机器人多智能体自进化框架。
穹彻智能试图回答的正是这个问题：当基础模型已经具备强大的理解和推理能力后，如何在系统层面构建起持续执行、诊断、修订和复用的完整闭环。
技术博客：https://lab.noematrix.ai/blog/2-roborsi/
GitHub：https://github.com/nssmd/RoboRSI
多智能体自进化：为具身智能打造的 Harness
单次成功和长期稳定运行之间，隔着一整套系统级的能力。
两个核心难题：
第一，谁来处理执行过程中的各种异常？ 机器人报错停止、抓取失败、位置偏移之后，需要结果检查、异常恢复、进行安全决策。这些工作过去全靠工程师手动跟进。大模型可以理解任务目标，但它不能负责现场恢复，不判断执行是否成功，也不决定下一步从哪个节点继续。
第二，历史经验如何真正实现沉淀复用？ 如果每次都让 Agent 参考过去的完整执行记录，Token 消耗会持续增长，反而让模型难以聚焦。如果每次碰到局部失败就重写整套流程，系统也很难收敛。研究团队观察到一个关键现象：Coding 模型擅长处理局部细节，但在反复修改中容易偏离全局目标。缺少结构性约束的迭代，往往越改越乱。
Context 管理是新时代的代码管理。 过去，机器人系统的核心挑战是写出正确的控制代码。在 Agent 时代，代码可以由模型生成和迭代，真正的瓶颈转移到了如何管理 Agent 在持续运行中产生的海量上下文：轨迹、日志、视频、代码版本、失败记录。管理不当，系统就会在迭代中走向混乱。
穹彻智能的设计哲学由此展开，可以概括为一句话：给人和 Agent 各自提供合适的接口。
对人，提供「高层引导」（Human-Friendly Steering）：无需深入底层实现，专注于目标设定、专业判断和安全边界，将日常执行交给多智能体。
对 Agent，提供「清晰结构」（Agent-Friendly Structure）：通过层级化技能树，明确修改范围、成功标准和失败反馈路径，让局部修订始终围绕全局目标展开。
所以，不管基模能力再强大，也需要一个系统级的 Harness 框架，使其能够适应具身智能的需求。RoboRSI ，正是围绕这两个问题构建的具身智能版的 Harness。
四个角色，一个闭环
具身的上下文可不是那么好管理的。
机器人的执行过程包含大量图像、轨迹、工具调用和失败细节，如果全部堆在一个上下文里，模型很快就会在信息膨胀和错误归因中失去方向。为此，多智能体是一个很好的解决方案。
RoboRSI 的做法是把规划、执行、诊断和修订拆分到不同的上下文中，采用 Manager、Planner、Engineer、Reviewer 四类智能体协作的架构。
Manager 是整个系统的调度中枢，负责任务队列管理、并发 worker 调度、断点恢复和技能版本管理。它把用户输入的高层目标分解成可执行的任务序列。
Planner 根据当前环境观察和已有技能库，生成具体的执行计划。它做的事情接近于「我看到了什么、手里有什么工具、所以这一步应该怎么做」。
Engineer 是真正动手的角色。它调用机器人 的底层工具（感知、导航、抓取、放置等），执行动作并生成候选能力。
Reviewer 在执行完成后登场，根据执行结果（日志、视频、轨迹）复盘问题、定位失败原因，并把修订建议返回给 Manager，推动下一轮迭代。
这四个角色围绕同一个任务和同一份执行证据接力运行，形成一个完整的「执行→诊断→修订→再执行」闭环。 关键在于，人类仍然保留着对目标、价值判断和安全边界的控制权。在真机上，人负责安全监管和方向调整；在仿真中，系统可以自动完成更多的复位和判定。
工程师的角色因此发生了根本转变：从逐行编写任务代码、跟进每一次底层执行，转向设定目标、审核结果和提供方向性指导。
TSR：给 Agent 一棵「技能树」
让机器人持续迭代，并不只是让 Agent 一遍遍尝试。最重要的是把尝试后的结果与经验沉淀下来。
穹彻智能为此提出了 TSR（Top-down Skill Refinement，自顶向下技能细化） 机制。它用一棵四层的技能树来组织机器人的全部能力：
任务族（Task Family） ：定义总体目标与约束，比如「家庭地面清理」。
复合技能（Compound Skill） ：组合多步能力，比如「搜索目标→移动→抓取→放置」。
原子任务（Atomic Task） ：边界明确、结果可验证的最小任务单元，比如「抓取地面上的黄色包装袋」。
基础技能（Base Skill） ：与机器人直接交互的底层能力，包括视觉感知、移动控制、抓取、放置等。
为什么需要这样一棵树？这棵技能树的作用，是为 Coding Agent 提供结构性约束。每次修改都被限制在清晰的技能边界内，Agent 可以专注于局部实现和修订，但不会因为连续调试而偏离全局任务目标。
历史经验由此从对话记录和日志，变成了下一轮真正可调用的能力。
从「探索」到「复用」
在早期探索阶段，Agent 需要逐步观察环境、选择工具、执行动作，每一步都需要模型推理。但当某条执行路径被反复验证为稳定后，继续让 Agent 逐步调用每一个工具就成了浪费。
穹彻智能设计了一个三阶段的演进机制：从成功的调用链中提取稳定结构，把物体类别、目标区域和空间关系参数化，然后将可复用流程固化为代码技能。当类似任务再次出现时，Agent 只需选择、监控和必要时修订整条技能，重复的工具调用步骤则由代码承担。
在 LIBERO 基准测试的实验中，启用代码固化（Code-on）相比未启用（Code-off）版本，回合通过率从 21.5% 提升到 29.0%，中位 Token 消耗下降 29.4%，中位 VLM 调用次数下降 27.2%，中位执行时间下降 17.0%。
Agent 的推理资源，只留给真正变化和不确定的部分。
实验验证：零样本适配与扰动鲁棒性
在仿真环境中，穹彻智能进行了更系统的定量验证。
零样本任务适配。 在没有现成任务代码的情况下，系统从基础技能开始迭代。经过约一天的并行执行，LIBERO 基准上的累计任务通过率从 32/120 提升到 95/120；RoboTwin 从初始的 9/50 提升至 36/50。与仅使用 Engineer 单角色的基线相比，完整的多智能体配置（Planner + Engineer + Reviewer）在 RoboTwin 上将通过率提升了 4 倍。
代码固化效果。 在 LIBERO 的 120 个任务、5 组初始布局、共 600 个 episode 实验中，启用代码固化（Code-on）相比未启用版本（Code-off）：回合通过率从 21.5% 提升到 29.0%；中位 Token 消耗下降 29.4%；中位 VLM 调用次数下降 27.2%；中位执行时间下降 17.0%。
扰动鲁棒性。 在 LIBERO-Plus 的 840 个扰动实例中（涵盖视觉纹理、相机视角、语言指令、光照条件、物体布局、机器人初始状态、传感器噪声七个维度），RoboRSI 通过自适应修订将通过率从 31.1% 提升至 47.4%，额外恢复了 137 个原本失败的实例。
解锁全场景的商业潜力
让我们回到文章开头的真机演示的视频里。
以同类任务为参照：2024 年，完成一个类似的家庭地面清理 Demo，需要两名工程师连续投入约一个月，编写约 2,000 至 3,000 行任务代码。而在 RoboRSI 的框架下，同样级别的能力构建在一天内就走完了一个完整闭环。
显而易见，在优秀的基模上，配合运行良好的系统框架，新场景的适配成本会被大幅压缩。
穹彻智能用 RoboRSI 给了我们一个解法。系统能够自主完成任务拆解、技能实现、执行诊断和代码修订的闭环，那么适配一个新场景的核心成本就从「工程师驻场数周」变成了「设定目标 + 系统自主迭代 + 人工审核和安全把关」。
这种变化也为家庭等高度个性化的场景打开了新的商业空间。
每个家庭的户型、家具布局和物品摆放都不同，如果每次部署都需要工程师驻场数周，服务成本就很难支撑大规模推广。穹彻智能打造的 RoboRSI 这类基于智能体的机器人系统提供了一种可能：在通用能力的基础上，通过现场反馈自主迭代，逐步学会适合这个家庭的清理路径和操作技能。家具移动、物品更换后，也有机会沿用同一套机制完成适配，减少重新开发的工作。
类似的需求也存在于布局各异的门店、办公室和小型仓储空间。缩短适配周期，意味着过去因定制成本过高而难以覆盖的分散场景，都有机会成为可服务的市场。
当然，一次实验中的「一天迭代」还不等于任意场景都能一天部署，但能够率先把新场景的适配周期和人力成本大幅压缩，那么自然，其商业价值将不可估量。
尾声：在基础模型之上
GPT-6 之后，具身智能公司该何去何从？
行业里有这样一种观点，我们深以为然。仅在语义基座上做微调改造得到的具身模型，容易遭遇 GPT-6 的降维冲击。
GPT-6 Astra 告诉我们，当模型的通用能力足够强，许多看似需要专门设计的功能会被「涌现」出来。
基模解决了「理解」的问题，但从理解到持续稳定地执行，中间还有一层系统级的能力需要构建。我们认为，这正是具身智能公司不可替代的价值之一。
第一，经验的结构化管理与复用。 GPT-6 可以理解一个任务，但它不管理这个任务在多轮执行中积累的经验。
第二，行为边界与安全约束。 机器人在物理世界中操作，错误的代价远高于软件世界。本质上，我们需要一个 Agent 的行为约束框架，让自进化在可控的范围内发生。
第三，部署后的持续迭代能力。 真实世界的场景永远在变。新物体、新布局、新的失败模式会不断出现。能够在部署之后继续从真实执行中学习、积累、改进的系统，才是长期竞争力的来源。
而穹彻证明了，一套设计得当的自进化框架，可以让机器人在部署之后持续沉淀经验，持续进化。 当模型层的 RSI 和系统层的 RSI 最终合流，具身智能有望进入一个新的阶段：机器人不仅能完成人类教给它的任务，还能从每一次真实执行中发现人类尚未构建的解决方案。
对具身智能公司而言，下一阶段的机会，是把不断增长的模型能力，变成用户在真实世界中用得起来、用得长久的机器人能力。在这一方面，穹彻智能还将探索 RoboRSI 和不久前发布的 协同，突破机器人能力边界、走向真实应用。
强大的基础模型已经到来，具身智能行业需要改变与破局的关键节点也已迫在眉睫。
「Welcome to the AGI era.」
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com
