机器人的o 1时刻来了！哈佛、伯克利、英伟达推出探索Scaling Law，五大基准平均领先37.4个点
机器人领域已经轰轰烈烈地 Scaling 了好几年。
更多遥操数据、更大的模型，VLA 和 WAM 在实验室中不断刷新机器人能力的上限。数据越采越多，模型越做越大，到了实际生产部署，具身智能依然绕不开那个老大难问题：换一台机器人、换一个工作环境，还要重新投入多少人力、数据和算力？
成千上万小时的预训练，仍未让全新真实机器人上的零样本稳健部署成为常态。新本体需要重新采集数据、微调策略；场景和任务变了，又要继续适配。企业希望机器人尽快进入生产现场，研发团队却常常还在为下一轮数据采集和训练做准备。
所谓具身智能的 GPT 时刻，以及遥操作扩展带来人力与资源的无底洞，是不是忽略了智能真正的来源？
与人类类似，机器人应当通过不断的在线探索，扩展积累经验，通过 测试时扩展实 现自我进 化（self-improve） 。
来自哈佛大学、英伟达、加州大学伯克利分校、麻省理工学院和斯坦福大学的研究团队提出 RAX（Robot Agent eXploration），将 Scaling Online Exploration 带入机器人学习。通用 Coding Agent 直接连接机器人的感知与控制接口，通过探索获得经验，将成功决策写成可执行程序，再积累为可以持续复用的技能。
论文： Scaling Online Exploration for Robot Agents
项目主页与实验 session： https://robot-agent-exploration.com/
论文全文： https://arxiv.org/abs/2610.22496
开源代码： https://github.com/robot-agent-exploration/rax
Skill Library: https://github.com/robot-agent-exploration/skills-lib
完整实验记录：https://huggingface.co/datasets/robot-agent-exploration/robot-session-logs
模型参数保持冻结，机器人能力随着探索持续增长 。在 RoboDojo、BEHAVIOR-1K、HumanoidArena、DexJoCo 和 LIBERO-Pro 五大仿真基准上，RAX 相对以往最强的 SOTA 模型平均领先 37.4 个百分点，刷新多项 SOTA。真实机器人上，它在没有任何人工动作示范的情况下，仅仅通过不到 2 小时的自主探索，就能熟练掌握并快速执行精密插孔、柔性物体操作、关节物体操作，以及长程移动机器人全身控制等任务。
从 Scaling Data 到 Scaling Exploration
人练习一项技能，会尝试、观察、纠错，再把有效的做法留下来。RAX 将这样的学习过程交给 Agent：读取相机和力传感器，编写控制代码，检查执行结果，再根据反馈修改程序。 这也是 Scaling Exploration 的核心： 让机器人通过越来越多的自主探索，积累越来越强的能力 。
探索从「怎样看清这个任务」就已经开始。RAX 向 Agent 开放 RGB 图像、深度、相机参数和力反馈，Agent 围绕当前任务，自行编写感知和估计程序：将深度观测转换成机器人坐标系中的三维点云，提取物体几何，估计位置、朝向与可操作部位，再把这些估计送入动作规划。 机器 人在学习 怎样行动的同时，也在开发完成任务所需的感知工具 。
以空气炸锅为例，Agent 从深度观测中构建锅体和抽屉的几何模型，估计把手方向，搜索抓取与拉动方式。18 厘米长的香蕉要放进 19 厘米宽的篮子，平放会碰到锅体，它就在探索中找到将手倾斜 60 度后释放的办法。 如果抓空气炸锅的长手柄，在拉出的过程中会 IK 受限，它就在规划的过程中决定抓较短的手柄连接处发力。Agent 通过探索和规划成功找到了这些人类遥操作都很难处理的极限解。