MobiAgent 双闭环框架以可组合原子技能实现移动操作自我提升，BEHAVIOR-1K 成功率 65.0% 超 π0.5-TA 22.5 个百分点

如何让移动机器人在长周期任务中实现鲁棒执行并持续自我改进，避免高层规划与低层控制互相干扰？

长周期移动操作面临累积执行误差，以及导航和手臂控制之间的容量冲突。现有 VLA 模型擅长短周期操作，但缺乏层次推理和闭环重规划；现有层次化智能体依赖固定子任务映射，重规划不灵活，且无法自动筛选部署数据做自我提升。

此前方法分为两类：以 OpenVLA、π0、π0.5 为代表的 VLA 直接映射观察到动作，主要适用于桌面短周期任务；以 CaP-X、RoboClaw 为代表的层次化框架在 LLM/VLM 下叠加低层控制器，但多采用固定技能库或离散子任务策略，验证和重规划机制僵硬，且缺少离线数据回收与策略演进。

MobiAgent 采用双闭环架构。内环中，Task Planner 用 VLM 在滚动时间窗口内动态生成子任务并给出技能提示；Skill Executor 使用共享 VLM 主干加独立 flow-matching 动作专家，按技能提示选择策略；Reflection Critic 定期做视觉验证并触发重试或全局重规划。外环中，Data Curator 用 VLM 分割和验证轨迹片段并生成指令，Skill Generator 对指令聚类形成原子技能库，Skill Trainer 持续微调对应策略，整个过程无需人工标注。

在 BEHAVIOR-1K 四个任务上，MobiAgent 平均成功率为 65.0%，比任务专用 π0.5-TA 的 42.5% 高 22.5 个百分点；在 fetch-beer 任务上差距最大，为 60% 对比 10%。消融显示，去掉任务规划器后平均成功率降至 20.0%，去掉技能专用专家降至 42.5%，去掉反思评论家降至 10.0%，去掉全局重规划降至 40.0%。在 39% 的成功回合中至少触发一次重规划，平均每回合 0.95 次。RoboCasa 上，基础 π0.5 为 7.50%，MobiAgent 第一轮 18.75%，第三轮升至 27.50%。真机 Astribot S1 上，基础 π0.5 平均 10.0%，MobiAgent 初始引导后 32.5%，两轮自动数据回收后达 57.5%。

作者承认：新增技能可能干扰已学行为，需要 LoRA 或持续学习策略；内环存在位姿修正抖动、放置恢复不准、遮挡下反思评论家漂移；需要更广泛的场景、环境和机器人构型验证。此外，真机仅测试四类任务，仿真环境数量有限，对外部演示数据仍有依赖。