NE时代

◎ 机器人也开始攒Skill了。

△ 撰文：DONG.ZY

机器人训练的产物，开始不只是一组模型权重。

NVIDIA最近展示的ASPIRE，全名是Agentic Skill Programming through Iterative Robot Exploration。

论文里，它被定义为一个机器人持续学习系统：机器人用代码执行任务，失败后读取执行轨迹，定位问题，修改控制程序，再把跑通后的修复经验写进Skill Library。

01.

机器人训练开始留下“经验”

过去谈机器人学习，绕不开数据、模型、权重、仿真、真机采集和sim-to-real。

ASPIRE没有绕过这些基础能力，它多加了一层：机器人执行失败之后，系统要把失败拆开、看清、修好，然后把这次修复留给下一次任务。

这很像软件工程里的Coding Agent。写代码的Agent会读仓库、跑测试、看报错、改实现。

ASPIRE把这套循环搬进机器人系统：写控制程序，进环境执行，读取感知、导航、抓取、碰撞和运动规划轨迹，修改程序，再把成功经验存成技能。

，时长00:40

机器人不再只是重复试错，它开始积累“下次别再这么写”的经验。

论文里有个例子很直观：机器人要拿起一个红色收音机。

执行轨迹显示，它已经找到了收音机，目标识别没有出问题，失败卡在导航上，规划器给出的目标点落进桌子的碰撞缓冲区，运动规划器返PLANNING_ERROR。

ASPIRE修复程序后，总结出一个“多角度接近”技能：如果某个接近方向被障碍物挡住，就从45度、90度、180度等方向重新接近目标，直到找到一条无碰撞路径。

这条Skill不是一句空泛提示词，它来自一次失败、一次诊断、一次程序修复和一次重新验证。

下次机器人遇到类似桌边物体，不管目标换成收音机、微波炉还是别的家具，这条经验都有机会被检索出来。

02.

机器人版Coding Agent怎么跑

机器人任务失败后，最难的不是重试，而是判断到底是哪一环出了问题。

一个任务没完成，背后可能是感知错了，可能是抓取姿态不稳，也可能是路径规划撞上约束。

长程任务还会多一层麻烦：前一步动作看起来成功，后面恢复动作接不上，整条任务链照样断掉。

论文指出，过去很多机器人coding agent只能拿到粗粒度反馈，比如任务成功或失败。

这个反馈对调试不够，系统只知道“没完成”，却不知道该改感知、改抓取、改导航，还是改任务流程。

ASPIRE的第一块拼图是robot execution engine。

，时长00:36

这个执行引擎记录每次perception、planning、grasping、control调用的输入、输出、返回状态和视觉证据。论文里提到的trace包括感知overlay、抓取候选、运动轨迹、碰撞反馈等信息。

这等于把“机器人失败了”拆成一串证据。Agent不必盲猜，它可以沿着每个primitive的输入输出往回查，判断失败到底出在哪一段。

第二块拼图是Skill Library。

，时长00:12

ASPIRE会把验证过的修复策略写入一个不断扩展的技能库。后续任务可以检索这些技能，把它们作为上下文，指导新的控制程序生成。

关键在于“验证过”。如果只是把大模型建议堆起来，技能库很快会变成一堆未经检验的文本。

ASPIRE的Skill来自执行环境。程序跑不通，Agent修改；程序跑通，系统再把修复模式留下来。

这种技能更像机器人程序员的踩坑笔记：目标点什么时候会落进碰撞缓冲区，桌边物体什么时候要换角度接近，抽屉把手什么时候要过滤假检测，平面物体推动时该换哪种motion primitive。

第三块拼图是evolutionary search。

，时长00:20

ASPIRE不只沿着单条修复路径往下试。论文显示，系统会生成多条候选任务序列和控制程序，让它们进入执行环境，再根据成功程序和失败轨迹继续迭代。

单个Agent沿着一个失败程序反复修改，容易卡在局部路径里。多条候选程序并行尝试后，系统可以把成功经验和失败证据都交给下一轮搜索。

所以ASPIRE更像一个闭环：执行引擎暴露失败，Agent诊断和修复，技能库留下经验，进化搜索扩大试错范围。循环跑得越久，技能库越厚，后面的任务越不像从零开始。

03.

技能库越厚，机器人越不像新手

实验结果也围绕“经验能不能累积”展开。

论文显示，ASPIRE在LIBERO-Pro扰动任务上，相比既有方法最高提升77个百分点；在Robosuite双臂handover任务上提升72个百分点，项目页面给出的成功率是从20%提升到92%；在BEHAVIOR-1K长程家务任务上最高提升32个百分点。

更能说明问题的是未见任务迁移。论文显示，研究者先让ASPIRE在LIBERO-90上积累技能库，再把它迁移到LIBERO-Pro Long的代表性未见长程任务，中间不针对新任务继续训练，也不更新技能库。

结果是ASPIRE达到31%成功率，先前方法为4%。

这个设置考验的不是单个任务调参能力，而是旧经验能不能在新任务里继续派上用场。

对具身智能来说，这条线值得盯住。

很多机器人系统缺的不是一次演示能力，而是经验沉淀能力。工程师在一个场景里修好导航、抓取或恢复动作，换一个场景又要重新排查。一个人知道的坑，很难自动传给下一条任务链。

ASPIRE尝试把这些调试经验写进系统，它没有替代大模型、底层控制器和仿真训练，而是在它们之外加了一层可读、可查、可复用的工程经验。

这也是它像机器人版Coding Agent的地方。

软件工程Agent不只依赖模型参数，也依赖仓库上下文、测试反馈、错误日志和历史修复模式。

ASPIRE对机器人做了类似的事：感知结果、运动规划、抓取反馈和碰撞日志，变成机器人世界里的trace；修好的控制程序，变成后续任务能调用的Skill。

论文还给出了仿真技能迁移到真实双臂机器人的初步证据。仿真中发现的技能可以作为真实机器人编程时的上下文指导，减少真实机器人编程工作量。

这对机器人落地有现实意义。部署现场最耗人的部分，常常不是跑通一次demo，而是处理遮挡、碰撞、抓取失败、路径不可达和长程任务中断。团队今天修好的经验，如果不能被系统保存，明天还要重新付一次调试成本。

04.

第100个任务，不该再从零开始

英伟达机器人主管Jim Fan在社媒上把这件事说得更直白：机器人做第 100 个任务时，不该再像第一次上手那样空白。

ASPIRE要做的，就是让机器人在一次次任务里看执行轨迹、改控制程序、筛出有效经验，再把这些经验写进一个持续增长的技能库。

在他的表述里，ASPIRE也重新解释了几个机器人训练里的老词。

训练，不只指梯度下降，也可以指skill refinement；训练好的模型，不只是一组浮点权重，也可以是一整个sensorimotor skills repo；分布式训练也不一定是切minibatch，而是一组Agent各自练不同技能，最后把经验汇到同一个库里。

这个说法放到sim-to-real和cross-embodiment transfer上更明显。

传统端到端策略从仿真迁移到真实机器人，要同时吃下视觉差异和接触物理差异。

ASPIRE迁移的不是像素，也不是权重，而是know-how。真实机器人仍然要练，但它不必重新摸索策略；从单臂迁移到双臂硬件，也可以复用已有技能。

按Jim Fan的说法，ASPIRE最高能把迁移学习所需token降低约10倍。

当然，ASPIRE还不是完全自主的真实世界学习器。

项目页面列出的限制很清楚：系统仍依赖前沿大模型，仍受限于预定义primitive API，长期记忆管理还不完整，搜索循环的计算成本也高。primitive API覆盖不到的动作，ASPIRE很难凭空获得底层能力；技能库变厚之后，检索、冲突和过期经验也会变成新问题。

但它给出了一条清晰路线：机器人可以把失败后的调试过程，保存成长期资产。

真实世界不会只考验机器人会不会做标准动作。它会不断制造偏差、遮挡、碰撞和中断。机器人要进入更复杂的场景，就不能每次都像新手一样从头试错。

所以，ASPIRE最值得讨论的地方，不是它又给机器人加了一个技能库，而是它让“机器人学到了什么”这件事有了另一种载体。

机器人学到的东西，可以不只藏在模型权重里。它也可以是一页网页、一个技能仓库、一套能被下一台机器人继续调用的经验。