RoboBridge：自进化具身智能体框架，用可修订技能实现仿真到真实迁移
RoboBridge 是一个自进化具身智能体框架，把仿真到真实迁移看作可执行任务技能的持续适应。它把预训练 VLA 策略作为可调用动作工具，结合推理时引导和反馈驱动的技能增删改验证，在 LIBERO-PRO 上总体成功率 74.4%，超过最强基线 Harness VLA 的 72.1%；在三个真实机器人任务上，仿真技能直接迁移后经真实反馈进化，成功率分别达到 15/15、14/15、15/15。该论文为预印本，尚未经过同行评审。
如何让在仿真中学习到的任务程序知识迁移到真实机器人，并在部署后通过交互反馈持续适应，而不必重新训练底层策略？
端到端 VLA 策略需要域随机化、目标域数据收集和微调，任务知识被编码在模型参数中，难以在环境变化时选择性修订；工具型具身智能体虽提供显式程序，但现有工作侧重任务编排和经验复用，对跨仿真和现实的程序知识迁移与持续适应支持有限。
以往方法主要分两类：以 RT-2、OpenVLA、π0 等为代表的端到端 VLA，通过扩大数据多样性和微调适应，但迁移与策略参数耦合；工具型智能体如 ASPIRE、Harness VLA 利用大模型编排工具并封装 VLA 策略，但主要在单一环境内复用和经验累积，缺少对跨环境技能迁移和选择性修订的机制。
RoboBridge 将任务知识表示为连接意图、观察、工具操作和结果验证的可编辑技能，通过反馈驱动流程对技能进行添加、替换和删除，并在持久化前通过任务执行验证。它把预训练 VLA 策略封装为动作工具，并增加推理时引导：智能体根据子任务目标和约束构建奖励函数，在去噪过程中修正动作候选，保持策略参数冻结。仿真与真实环境通过对齐的任务语义和统一的观察与工具接口实现技能迁移。
在 LIBERO-PRO 上，用 Codex（GPT-5.5）配置，RoboBridge 在 SPATIAL、OBJECT、GOAL、LIBERO-10 四个套件的指令重定向（T）和位置交换（S）扰动下总体成功率为 74.4%，高于 Harness VLA (Codex) 的 72.1%，直接使用 π_RLinf 为 50.0%。消融显示，去掉技能引导后 SPATIAL-T/OBJECT-T 成功率从 83%/94% 降至 21%/16%；仅允许追加更新降至 44%/57%；去掉验证门降至 69%/63%；禁用推理时引导降至 75%/82%。真实机器人三个任务（双立方体放碗、蛋糕入锅盖盖、笔插入笔筒）中，直接应用仿真技能使成功率从无引导的 4/15、2/15、3/15 提升到 9/15、7/15、7/15；经 10 轮真实交互进化后达到 15/15、14/15、15/15。在蛋糕任务的单独效率实验中，仿真初始化达到 15/15 需 12 次迭代，空技能需 16 次，迭代减少 25%；对应累计 token 消耗分别为 13.08M 和 52.39M，减少约 75%。
作者承认当前评估仅采用 Codex 与 GPT-5.5 这一编码智能体配置，尚未验证其他基础模型和智能体框架。明显局限还包括真实机器人任务只有三个，每个任务最终评估样本量为 15 次；论文未报告更大规模真机评估或长时间部署稳定性，也未明确是否开源代码和技能数据。
RoboBridge 的思路适合需要快速从仿真向真机迁移并持续改进的工业操作、服务机器人和仓储物流场景。它可让机器人集成商在仿真中迭代技能，再以较少真实交互完成部署，降低调试成本。1 至 3 年内有望在结构化、任务语义可对齐的场景落地；前提是需要统一的观察和工具接口、稳定的基础模型调用成本，以及对真实环境反馈进行可靠验证的工程能力。
受许可协议限制，本站不转载该论文全文，仅提供摘要和原文链接。