机器人自进化框架提升任务成功率

把一盒奶酪放到架子上，目标很明确，机器人却需要将定位、抓取、搬运和释放衔接起来。 怎样判断物体已经抓稳、什么时候开始搬运、第一次尝试失败后如何继续，都需要落实为具体的技能和决策逻辑。 能不能将这部分工作交给机器人自己，让它自己做实验、改代码，逐步积累经验、完成任务？ 来自清华大学和新加坡国立大学的研究团队提出并开源了VISTA。 它将实验与开发的工作交给Meta-agent，让它通过主动探索获取新证据并改进Harness。 整套流程不需要更新权重。

在底层模型参数保持固定的情况下，VISTA将LIBERO-Pro的整体任务成功率从17.5%提升到了95.0%。 将Harness作为演化对象具身Agent可以使用学习策略、运动规划、反馈控制和感知工具。 Harness负责组织这些能力：向模型提供什么指令，开放哪些技能，如何调用工具，以及怎样处理执行反馈。 技能代码、调用逻辑和持久记忆，都属于可以开发的内容。 在VISTA中，执行Agent使用Harness完成任务； 作为开发者的Meta-agent则检查代码与运行记录，编写或修改技能，再验证候选版本。

比如，它可以把定位、学习策略完成的抓取、控制器执行的搬运组合成一个新技能，供执行Agent调用。 改进因此能够跨轮保留下来。 Meta-agent如何开发Harness每轮开发从一个已有的Harness版本及其执行记录开始。 Meta-agent检查代码，对照观测、动作和任务结果，找出需要改进的行为，并提出具体的修改思路。 围绕这些问题，它修改技能、指令或决策逻辑。 如果已有记录不足以判断，就进入仿真环境进行观察和操作，获取补充证据。 开发期间还可以运行自主测试，根据执行结果继续调整候选版本。

提交后，候选Harness被冻结，在预设任务条件下接受新的自主执行评估。 Meta-agent不参与评估中的执行； 只有结果优于当前采用的版本，候选才会替代它。 开发时尝试的做法，由此接受实际任务表现的检验。 代码版本、继承关系和对应证据共同保存在Harness图中。 下一轮可以继续完善有效版本，也可以回到较早节点尝试其他方向，复用此前开发的机制。 一次修改所获得的技能和经验，因此能成为后续开发的基础。 一个Harness如何逐轮改进以一个任务举例，任务要求机器人把奶油奶酪盒放到架子上。

初始Harness在该任务的16次开发评估中全部失败。 第一轮开发中，Meta-agent为这个任务构建了明确的搬运与释放流程：先确认物体已经抬起，再执行搬运； 抓取未成功时，重新定位物体，并在限定次数内重试。 这些修改被写入Harness，提交版本的成功数提高到9/16。 第二轮保留了已经有效的流程，继续分析剩余失败。 执行记录暴露出一个具体问题：抬升位移的计算起点与实际抓取接触阶段不一致，影响了对抓取状态的判断。 修改后的代码沿连续闭合接触阶段计算位移，接触丢失时重置证据，同时调整释放行为。

新版本达到16/16，随后同一版本再次评估，也取得了16/16。 这个过程留下了可继续开发的技能：搬运、释放和有限重试先被保留下来，后续版本再完善其中的状态判断。 每轮开发都有具体的代码和执行结果作为下一轮的起点。 Harness演化的实验效果实验覆盖LIBERO、RoboCasa和RoboTwin。 下表比较初始Harness与各任务选定的演化版本的成功率。 评估时固定Harness代码，由执行Agent自主完成任务。

LIBERO-T和LIBERO-S的平均成功率分别从22.8%、12.2%提升至96.6%、93.4%； RoboTwin的50个任务从48.5%提升至74.0%。 在RoboCasa的多阶段任务中，Seen和Unseen的成功率分别从16.4%、4.7%提升至24.2%、13.3%。 逐轮结果把整体提升展开到了具体任务。 Goal-T的十个任务中，有八个在前三轮开发中就出现了16/16的评估结果。 不同任务的开发节奏仍有明显差异，后续候选的表现也可能发生波动，需要通过评估决定保留哪个版本。

走向具身智能体的递归自进化模型训练完成，机器人的能力也不必就此定型。 VISTA让Coding Agent持续开发Harness，把执行中获得的经验转化为后续版本可以继承的技能。 当前的仿真实验表明，这种开发能够在模型参数不变的情况下带来实际提升。 更进一步，我们希望机器人在真实环境中也能逐渐承担这部分工作：根据任务经验开发、验证和完善自己的技能，让能力的增长延续到部署之后。