PyRUA-REAL：通过真实世界 RSI 实现机器人探索与自适应学习

PyRUA-REAL 使用具有持久经验的研究员–工程师编码智能体来开发和冻结真实世界机器人程序，报告在八个任务上平均成功率为 91.1%，在 42 个 RoboDojo 任务上为 84.42%。

编码智能体可以将指令转换为机器人程序，但尚不清楚物理交互经验如何转化为可跨多次尝试改进的持久机器人能力。真实世界探索需要决定运行哪些实验、修改实现细节，并识别何时改变底层方法。执行反馈可能模糊，而且在没有在线智能体决策的情况下，单一配置下的成功并不能证明鲁棒性或可复用性。

PyRUA-REAL 是一个具身 RSI 框架，包含改进、执行和经验组件。研究员智能体选择目标、技术方法、停止准则和相关经验；工程师智能体实现程序、运行机器人试验、诊断失败并返回结构化报告。经验按三个层级存储：事实、记忆和实现。开发完成的任务程序独立执行，具备实时感知、规划、控制和恢复例程，并可调用本地部署的预训练感知模型。研究在双臂 Franka 平台上评估八个真实世界任务和 42 个 RoboDojo 任务。

• 在八个真实世界任务中，PyRUA-REAL 达到 91.1% 的平均成功率；在 42 个 RoboDojo 任务上达到 84.4% 的平均成功率。 §Abstract
• 八个任务中有七个生成了无智能体真实世界程序，记录开发成功率为 91.67% 至 100%；首次成功时间范围为 1.5 小时至 45 小时，Ethernet insertion 在没有在线协助的情况下十天后仍未成功，随后又约 15 小时后成功。 §4.3.1
• 对于五块积木堆叠，在两次报告的平滑阶段评估中，堆叠–拆堆循环时间中位数从 285.3 s 降至 156.0 s，平均横向误差从 2.69 mm 降至 0.44 mm，平均绝对角度误差从 1.37 度降至 0.25 度，全循环成功率从 88.7% 升至 98.7%。 §4.3.2
• 井字棋成功率从第一版的 50% 升至下一版的 100%，对局与重置时间从 577 s 降至 535 s；当转移切换为单个 JointMotion 时，V4 与 V5 之间的时间从 573 s 降至 536 s。 §4.3.2
• Hanoi 在鲁棒阶段的堆叠–拆堆循环时间中位数达到 1402 s，随后在侧重速度的版本中降至 883 s 和 793 s；全循环成功率从最初的 60% 升至最终版本的 100%。 §4.3.2
• 在 42 个 RoboDojo 任务上，冻结程序达到 84.42% 的能力平均成功率，而 PyRUA-Lean 为 50.35%，GPT-6-Astra 为 22.48%；Precision 为 74.00% 对 38.25%，Long-Horizon 为 56.00% 对 43.75%，Generalization 为 41.17% 对 43.17%。 §4.3.3

• 在报告的发展记录中，没有在线智能体参与时 Ethernet insertion 仍未成功（§4.3.1）。
• 真实世界成功率汇总了跨程序修订的多次尝试，描述的是发展记录，而不是单个冻结程序的可靠性（§4.3.1）。
• 放置误差是视觉估计，而不是物理精度的独立测量（§4.3.2）。
• RoboDojo 比较是来自不同或未指定种子的独立评估的报告结果，而不是匹配种子比较；Introduction 报告 84.82%，而 §4.3.3 和 Appendix D 报告 84.42%。

• 研究员智能体选择目标、方法和停止准则，工程师智能体在结构化实验中实现、测试和诊断；报告返回结果、学习发现、证据和代码。 §3.3
• 经验组织为 L0 事实、L1 记忆和 L2 实现；研究员检索事实和记忆，工程师检查、调整并测试代码。 §3.4
• 八个真实世界任务中有七个生成无智能体程序；在开发记录中，没有在线智能体参与时 Ethernet insertion 仍未成功。 §4.3.1
• 堆叠、井字棋和 Hanoi 在首次成功后持续改进，表现为不同轨迹、偶发回退以及在可靠性与速度之间的切换。 §4.3.2
• RoboDojo 冻结程序达到 84.42% 平均成功率，提升集中在 Precision 和 Long-Horizon，而 Generalization 略低于 PyRUA-Lean。 §4.3.3
• 显式任务要求在 Table 4 的隐藏布局上评估；各任务前后成功率不一，有些任务不变，Swap blocks 为负。 §B
• 当智能体可使用在早期任务中获得的技能时，原始技能迁移使八个目标任务中的五个受益。 §4.7
• 离线编码冻结程序以供部署，无需语言模型调用；部署时编码包括智能体调用；比较不包括开发时间。 §4.8