机器人能自己改自己了,离「越学越会学」还有多远?
近年来，机器人学习的发展让机器能够自主完成越来越多的任务。但在自主执行的背后，数据采集、失败诊断、训练方案调整和部署决策，仍然主要依赖研究者与工程师。 机器人已经越来越会执行任务，但如何让它们持续改进，仍是一项由人主导的工作 。
自我改进智能体的研究为此提供了新的思路。系统可以根据反馈修改代码、积累经验或更新模型，并将有效的修改用于后续任务。不过，这些工作通常沿用预先设定的改进流程：模型和技能在更新，产生和筛选更新的方法却保持不变。而递归自我改进则进一步关注，这套改进流程能否也从经验中得到更新，使后续学习更加有效。
当递归自我改进进入物理世界，这一目标将面临更多困难。机器人获得的观测往往不完整且带有噪声，失败原因难以准确判断；验证一项修改需要反复试验，还伴随着环境复位、硬件损耗乃至不可逆后果。因此，数字环境中的自我改进方法若想适用于机器人，这需要在物理反馈、试验成本和安全约束下进行重新审视。
论文信息
围绕这些问题，来自上海交通大学、加州大学伯克利分校、斯坦福大学、麻神理工大学、谷歌、微软、英伟达和小米等机构的研究者，在论文《Who Improves the Robot? Toward Physical Recursive Self-Improvement》将 任务能力的更新与改进流程的更新 纳入统一框架，梳理机器人如何利用物理经验持续改进，以及安全和验证机制如何支持这一过程。通过区分「机器人做得更好了」与「机器人改进自己的方法变得更有效了」，论文厘清了已有工作的进展与边界，并讨论走向 Physical RSI 尚需解决的关键问题。论文通讯作者为上海交通大学顾尚定和张伟楠，以及慕尼黑工大的冯骞。
论文链接：https://arxiv.org/pdf/2610.18842
项目地址：https://github.com/SAIL-Research-Lab/Physical-RSI
核心贡献
围绕「改进了什么、通过什么路径改进、怎样证明有效」，论文给出了三个方面的贡献。
首先，建立理解 Physical RSI 的统一框架。 论文给出 Physical RSI 的定义与 L0–L5 分级，从 更新的是任务能力还是改进流程 和 收益局限于同一任务还是能够跨任务迁移 两个维度，为比较不同研究提供共同的分析框架。
其次，梳理从能力更新到改进流程演化的 全链路实现路径 。论文围绕 Harness 适应与模型训练，分析记忆、技能、工作流及训练方法如何影响任务执行和后续改进，并将安全控制与更新验证纳入同一分析，说明持续改进需要哪些约束和检查。
最后，明确检验递归增益所需的证据。 在相同初始系统、经验和资源预算下，通过独立的跨任务评估，比较新旧改进流程产生的后续收益，并据此识别现有研究的证据缺口。这让「越学越会学」成为一个可以检验的研究命题。
Physical RSI 基本框架
Physical RSI 关注的是，机器人能否利用自身的物理交互经验，持续更新其任务运行系统和改进流程，并获得递归性收益。
论文将整个流程分为内外两大部分。一是与外部环境交互的任务运行系统，包括交互运行中使用的模型，以及模型之外的提示、记忆、技能和控制代码等 Harness。二是系统内部的改进流程，负责改进运行系统和改进流程本身。
主要改进循环从任务运行系统完成一次物理交互，获得相关交互证据和系统内部组件信号开始。改进流程可以通过这些经验与反馈，提出修改策略候选，随后验证器进行验证候选并应用。独立评估器负责评估更新后系统的增益，证明新流程能在相同条件下带来更好的后续改进。
我们的长远愿景是，机器人能够在无人干预的情况下，在现实物理环境充满多样且不可预见的挑战中，自主运行并持续自我改进演化，最终实现 Physical RSI。