這項由英偉達
（NVIDIA）、密西根大學（UMich）、伊利諾伊大學厄巴納-香檳分校（UIUC）、加州大學伯克利分校（UC Berkeley）以及卡內基梅隆大學（CMU）聯合開展的研究，以預印本形式發布於2026年6月30日，論文編號為arXiv:2607.00272。感興趣的讀者可以通過該編號在arXiv平台查閱完整論文。
假設你剛剛來到一家新公司，第一天上班什麼都不懂，做什麼都要從零摸索，每次失敗只知道"沒做好"，卻不知道具體哪個環節出了問題。等到第一百天，你還是一無所知——因為公司規定每天下班時必須把所有經驗清空，第二天重新開始。這聽起來像是噩夢，但這恰恰是過去機器人控制程序面臨的真實處境。
現在這支由多所頂尖機構研究人員組成的團隊，提出了一套名為**ASPIRE**（Agentic Skill Programming through Iterative Robot Exploration，即通過疊代機器人探索實現智能體技能編程）的系統，試圖從根本上改變這一局面。簡單來說，ASPIRE讓機器人程序能像一位經驗豐富的老工程師一樣，不僅能自己發現問題、修復問題，還能把每次修復的經驗"記在本子上"，下次遇到類似情況直接翻出來用，而不是每次都從零開始想。
---
一、機器人編程為什麼那麼難？老問題在哪裡
要理解ASPIRE為什麼重要，得先弄清楚機器人編程究竟難在哪裡。
教一台機器人完成一項任務，本質上是在寫一份極其精密的"操作手冊"。這份手冊需要告訴機器人：怎麼用攝影機識別面前的物體，怎麼規劃手臂的運動路徑，怎麼在不捏碎也不滑落的情況下抓住一個杯子，怎麼在遇到障礙時換個方向，怎麼把一系列動作按順序串聯起來完成複雜任務。任何一個環節出了問題，任務就會失敗。
然而過去的機器人程序員面臨一個根本性的困境：當機器人失敗的時候，系統只會告訴你"任務沒完成"，卻不告訴你是因為眼睛沒看清楚物體、還是手臂路徑規劃出了錯、還是抓取姿勢不對、還是多步驟協調斷裂。就像一個廚師做了一道菜，顧客只說"不好吃"，但不說是咸了、淡了、火候不夠還是食材不新鮮——廚師該從哪裡改起？
更糟糕的是，哪怕這次好不容易摸清楚了問題並修好了，下一個任務來了，這些寶貴的修復經驗統統不會被保存下來。下一個任務還是要重新摸索，哪怕問題的根源和上次幾乎一樣。研究團隊把這個現象形容得相當生動：解決第一百個任務的機器人代理，實際上和解決第一個任務時一樣沒有經驗。
人類工程師解決問題的方式完全不同。當他們遇到一個失敗的機器人程序，會重放執行過程，檢查每個步驟的輸出，找出是哪個子系統出了問題，修復它，然後把這次學到的經驗內化成可以跨任務使用的通用知識——比如"遇到這類障礙時，要換個方向靠近"，比如"抓圓柱體的時候，夾爪方向要和物體長軸對齊"。隨著經驗積累，工程師解決新問題的速度會越來越快。
ASPIRE的設計核心，正是把這種"人類老工程師"的工作方式復刻到機器人系統中。
---
二、ASPIRE的三件法寶：診斷、積累、進化
ASPIRE系統由三個緊密配合的部分構成，就像一支精幹的修理隊伍：有人負責拆開機器找毛病，有人負責把修理經驗記進手冊，有人負責提出各種不同的修理方案。
**第一件法寶：讓機器人的"失敗報告"變得細緻入微**
傳統系統反饋失敗時，就像醫生只告訴你"你病了"，卻不告訴你是哪裡出了問題。ASPIRE引入了一個"機器人執行引擎"（Robot Execution Engine），讓每一個基礎操作步驟都留下詳細的記錄，包括這一步用了哪個功能、輸入了什麼、輸出了什麼、返回了什麼狀態，還有對應時刻的視覺圖像、物體位置、夾爪候選姿勢、運動規劃結果等等。
這就好比把整個修車過程用高清攝像機記錄下來，而且每擰一顆螺絲都有文字記錄：幾點幾分、用了幾號扳手、扭矩是多少、螺絲有沒有擰到位。出了問題，工程師能精確找到是第幾步、哪個操作出了什麼錯，而不是只知道車最後沒修好。
代理（這裡可以理解為一個能讀懂這些記錄並寫修復代碼的AI）拿到這些詳細記錄後，可以像偵探一樣逐步縮小問題範圍：是視覺識別步驟沒找到物體？是找到了但規劃路徑時遇到了障礙？是路徑沒問題但抓取姿勢不對？每一步都有據可查，診斷變得有的放矢。
論文中給出了一個非常具體的例子：機器人需要在一個複雜家庭環境中找到並撿起一台紅色收音機。執行過程中，視覺識別成功找到了收音機，但機器人反覆嘗試靠近時都報錯——規劃系統提示路徑規劃失敗（PLANNING_ERROR）。如果沒有細粒度的執行記錄，你可能以為是識別出了問題，或者抓取姿勢不對。但執行引擎的記錄清楚地顯示：識別完全沒問題，路徑規劃失敗的原因是機器人要站的目標位置距離桌子邊緣太近，正好在碰撞避免的緩衝區內，導致規劃系統認為那個位置不可達。
找到了真正的病根，修複方案就變得簡單直接：與其死磕同一個方向靠近，不如繞著物體嘗試不同角度——正面靠近不行，就試試繞到側面，或者繞到背面，找到一個不在障礙物緩衝區內的位置。修復後的程序試了正面（失敗）、再試左側（失敗）、再試背面（成功），機器人順利完成了任務。
**第二件法寶：把每次修復經驗變成可重用的"技能卡片"**
修復了一個問題之後，ASPIRE不會讓這次經驗白白浪費。系統會把驗證有效的修複方案提煉成一張"技能卡片"，儲存進一個持續增長的"技能庫"。
每張技能卡片上記錄的內容很具體：什麼情況下會觸發這個問題（失敗的特徵）、這個技能適用於什麼場景（使用條件）、具體的修復策略是什麼，以及一段可以直接參考的示例代碼。拿上面那個收音機的例子來說，提煉出來的技能卡片大意是：當路徑規劃器對靠近物體的目標位置頻繁返回失敗（因為目標點在障礙物的碰撞緩衝區內）時，應當嘗試繞著物體旋轉靠近方向，45度、90度、180度依次嘗試，每個角度都對應物體的一個不同側面，其中至少有一側通常是暢通的。
技能庫儲存的內容涵蓋各種類型：有關於如何識別場景中特定物體的提示策略，有關於多個相似物體時如何區分前後左右的空間推理方法，有關於不同形狀物體（圓柱體、扁平物體、細長物體）的抓取姿勢建議，有關於運動規劃失敗時的恢復策略，有關於複雜任務調試流程的工作流。這些技能並非事先由工程師手工寫好的，而是完全從機器人實際失敗和修復的經歷中自動歸納出來的。
這張技能庫就像一本不斷擴充的經驗手冊。當系統遇到新任務時，會先翻翻手冊，看有沒有類似的情況處理過；如果有，直接用現成的經驗，大大減少重新摸索的時間。隨著處理的任務越來越多，手冊越來越厚，新任務的解決速度也會越來越快。
**第三件法寶：不只修一條路，同時探索多種可能**
光靠沿著單一方向一步步修復，很容易陷入"死胡同"——把同一種失敗的策略反覆修來修去，卻始終沒有跳出這個框框，嘗試完全不同的解決思路。
ASPIRE引入了一個"進化搜索"（Evolutionary Search）機制來解決這個問題。每一輪疊代中，系統不是只寫一個修複方案，而是同時生成多個（記為K個）候選方案，每個方案測試不同的假設。所有候選方案都在執行引擎中實際運行，得到各自的執行結果和診斷記錄。然後，系統選出表現最好的幾個方案，以它們為基礎，結合剩餘的失敗資訊，生成下一輪新的候選方案，如此循環，直到某個方案成功，或者達到預設的搜索預算上限。
這就像是組織了一場"修理馬拉松"：不是派一個工程師反覆嘗試，而是同時派出多個工程師，每個人有自己的假設和思路，跑完一輪之後大家匯報結果，再從倖存者中發展出下一代方案。這樣大大增加了找到真正有效解決方案的概率，尤其是對於那些單一路徑修復始終卡住的疑難任務。
---
三、整體架構：協調者與執行者的分工
ASPIRE在系統層面採用了"協調者-執行者"的架構設計。協調者（Coordinator）就像一個項目經理，負責管理共享的技能庫，把具體的任務分配給各個執行者（Actor）代理，並在每個任務完成後從執行者的報告中提煉有價值的模式，更新到技能庫中。每個執行者則是一個編碼代理，專注於解決自己手頭的單一任務，利用執行引擎提供的細粒度記錄來診斷、修復、驗證程序，最終向協調者匯報發現和有潛力跨任務復用的修復模式。
執行者之間不直接交換對話歷史或完整的執行軌跡，只通過技能庫傳遞有用的知識。這樣做的好處是：每個執行者的工作窗口始終聚焦在當前任務的具體資訊上，不會被其他任務的噪音干擾；而有價值的知識則以濃縮、精煉的形式沉澱到技能庫中，供所有人使用。
整個系統使用Claude Code（Anthropic公司的編程代理）搭配Claude Opus 4.6模型，擁有100萬詞元（token）的超長上下文窗口，負責讀取執行記錄、編寫修復代碼、提煉技能模式。機器人控制程序的編寫框架使用的是基於MuJoCo Playground物理仿真引擎的CaP-X框架。
---
四、實驗驗證：在三類基準任務上全面測試
研究團隊在三大類機器人操作基準任務上對ASPIRE進行了系統評估，測試範圍從簡單的單步抓取到需要在家庭環境中導航並完成多步操作的長序列任務。
第一類是LIBERO-Pro任務集，專門測試機器人程序對干擾的魯棒性。任務被設計成在不同擾動條件下執行：一種是物體位置擾動（每次運行時物體擺放位置都有所不同），另一種是任務描述擾動（用不同的語言表達同一個任務目標）。測試涵蓋三個子套件（LIBERO-Object、LIBERO-Goal、LIBERO-Spatial），每個套件包含10個任務，每個任務用50個隨機種子評估。
與此前最強的對比基線CaP-Agent0相比，ASPIRE在"物體位置+任務描述"兩個擾動軸上的綜合成功率從約18%提升到了72%。在物體位置擾動下，成功率從22%躍升至98%；在任務描述擾動下，成功率從18%提升至95%。LIBERO-Object套件的提升最為顯著，平均提升了77個百分點。與端到端視覺語言行動（VLA）策略相比，無論是OpenVLA、π0還是π0.5，在所有擾動條件下的成功率均接近於零，ASPIRE的表現遠超這類方法，甚至在多個任務上超過了由人類專家手寫的程序。
第二類是Robosuite任務集，測試接觸豐富的單臂和雙臂操作任務，包括積木抬起、積木堆疊、釘子裝配、桌面擦拭，以及雙臂協作的物品傳遞和協同抬升。每個任務用100次隨機試驗評估。在單臂任務上，ASPIRE與對比基線旗鼓相當，在已經接近滿分的任務上保持了同等水平。真正令人印象深刻的提升發生在雙臂物品傳遞任務上——這個需要兩隻機械臂精確協調的任務，基線方法只能完成20%，而ASPIRE將其提升到了92%。
第三類是BEHAVIOR-1K任務集，測試長序列家庭移動操作任務。機器人需要在複雜的家庭環境中自主導航，找到目標物體並完成拾取。研究團隊選取了兩個代表性任務：導航並撿起蘇打水罐（Nav & Pick up Soda Can）和導航並撿起收音機（Nav & Pick up Radio）。測試種子為前25個，ASPIRE使用種子26-35進行學習，評估時採用分塊執行方式（每次生成下一步代碼塊）。ASPIRE在導航成功率和任務完成率上均超過了人類專家程序和CaP-Agent0基線。收音機任務的任務完成率從基線的56%提升至88%，導航成功率從80%提升至100%。
---
五、技能可以"跨任務旅行"：零樣本遷移實驗
ASPIRE最令人振奮的能力之一，是它積累的技能庫可以直接遷移到從未見過的新任務上，無需額外的調試或訓練。
研究團隊設計了一個專門的遷移實驗：讓ASPIRE在LIBERO-90（包含90個短序列任務）上積累技能，然後把技能庫直接應用到更難的LIBERO-Pro Long長序列任務上，期間不做任何額外調試或任務特定的技能更新。
結果顯示，當技能庫為空時（即N=0，完全沒有任何先驗技能），在位置擾動條件下成功率為0%，在任務描述擾動下約為9.4%。隨著技能庫容量增加（N=25對應25個任務的技能，N=50對應50個，N=90對應全部90個），成功率呈單調上升趨勢。在使用全量90個任務的技能庫（N=90）時，位置擾動下成功率達到22.6%，任務描述擾動下達到38.3%，綜合成功率約30.5%。對比基線CaP-Agent0在同樣測試集上的綜合成功率約為3.8%，π0.5約為5%。
這意味著ASPIRE從較簡單任務中學到的修復經驗，真的能夠幫助它更好地應對從未遇到過的、更複雜的長序列任務——技能庫就像積累了足夠多人生閱歷的老工程師，即使面對全新問題，也能從已有經驗中找到有用的切入點，而不是完全兩眼一抹黑。
不過研究團隊也觀察到，成功率並非在所有任務上都單調提升，某些任務隨著技能庫增大反而出現了波動。這說明技能庫並不是越大就越好，隨著條目增多，部分技能可能變得過時、過於任務特定、相互矛盾，或者對當前新任務具有誤導性，如何管理和優化技能庫仍然是一個值得深入研究的問題。
---
六、技能可以"跨越身體界限"：從仿真遷移到真實機器人
仿真中學到的東西，在真實世界裡還好用嗎？研究團隊做了一組初步實驗來回答這個問題。
他們在Franka機械臂仿真中積累的技能庫中，選出了三個有代表性的技能：把碗放到盤子上（精確放置）、抬起蘇打水罐（細長圓柱物體的抓取）、推拉抽屜（接觸式操控）。然後把這三個技能作為"上下文指導"提供給另一套真實機器人系統——一台使用YAM平台的雙臂真實機器人，配備了完全不同的硬體和不同的編程接口。
實驗分兩組對比：一組讓真實機器人編程代理在有技能指導的情況下工作，另一組沒有技能指導純靠自主調試。衡量指標包括：在調試成功之前消耗的token數量（可以理解為"思考和工作的成本"），以及最終在20次測試中的成功率。
碗放盤子任務：有無技能指導成功率均為20/20，但有指導時總token消耗從865萬降至511萬，省了約41%。蘇打水罐抬取任務：無技能指導成功率13/20，有技能指導成功率19/20，同時總token消耗從6194萬驟降至658萬，下降了近90%。推拉抽屜任務：無技能指導在消耗了33491萬token的預算後依然沒能成功（成功率0/20），有技能指導時成功率達到11/20，token消耗降至8167萬。
這個結果說明：仿真中發現的技能，提煉的是解決問題的通用策略，而非特定於仿真環境或特定硬體的代碼片段，因此能夠跨越不同機械臂、不同軟體接口，在真實物理世界中仍然提供有效的指導。
當然，研究團隊也承認，這次真實機器人實驗的規模還很有限，只測試了三個任務，而且仍然需要真實機器人的執行引擎和程序自動調試，並非直接把仿真程序搬到真實機器人上一鍵運行。
---
七、系統中各組件各自貢獻了多少？
為了弄清楚ASPIRE的哪個部分最關鍵，研究團隊做了一組消融實驗——通俗地說，就是把某個零件拆掉，看整體性能下降了多少。
基準線（既沒有執行引擎細粒度記錄，也沒有進化搜索，只有零樣本LLM生成程序）在LIBERO-Pro所有任務上的平均成功率約為14%。僅加入細粒度執行引擎（包含技能庫支持）後，成功率躍升至約62%，提升了48個百分點——這是兩個組件中貢獻最大的一個。在此基礎上再加入進化搜索，成功率進一步提升至約72%。換句話說，細粒度的失敗診斷是最核心的能力，進化搜索則在此之上錦上添花，幫助攻克剩餘的難題。
關於進化搜索的輪次效果，研究團隊還追蹤了低成功率任務在每輪疊代中的平均成功率變化。前幾輪疊代的提升最為明顯，說明多樣化假設快速覆蓋了單路徑調試容易錯過的方案空間；之後隨著輪次增加，提升逐漸趨於平穩，呈現出典型的收益遞減曲線——繼續搜索仍然有幫助，但邊際收益在縮小。
---
八、ASPIRE的局限與未來路在何方
研究團隊對系統的局限坦誠相告，這也讓整個研究顯得更加可信。
首先，儘管仿真技能初步顯示出對真實機器人的遷移潛力，ASPIRE目前還不是一個能在真實世界中完全自主持續學習的系統。在仿真里，任務成功的判斷和場景重置是自動化的、廉價的；但在真實世界裡，還需要魯棒的成功檢測機制、安全的場景重置流程、持續的安全監控和傳感器標定維護，這些都還需要進一步工程化。
其次，整個系統依賴Claude Opus 4.6這樣的頂級大語言模型來解讀多模態記錄、編寫修復代碼、提出進化搜索候選方案。研究團隊尚未驗證更小、更弱的模型能否維持同等質量的調試循環。這意味著目前的計算成本相當高昂。
第三，ASPIRE是在一套預定義的感知、規劃和控制基礎功能接口上工作的。這套接口使調試變得可控且安全，但同時也限制了系統能夠表達的行為範圍——如果某個任務需要接口之外的感知或控制能力，系統就只能勉強近似，或者依賴人工擴展接口。
第四，技能庫的長期管理問題還沒有根本解決。隨著條目增多，部分技能可能變得陳舊、過於特化、冗餘甚至相互矛盾。目前系統沒有完善的技能檢索排序、冗餘剪枝和周期性重新驗證機制，這在一定程度上解釋了零樣本遷移實驗中技能庫增大後部分任務出現的非單調現象。
最後，進化搜索循環本身消耗大量LLM調用和仿真運行次數，在任務規模擴展時成本會顯著增加。未來需要更便宜的LLM推理方案、更高效的搜索策略，或者更強的先驗經驗復用機制，才能經濟地擴展到數千個任務規模。
---
歸根結底，ASPIRE做的事情，是把人類工程師積累經驗的方式系統化、自動化地賦予了機器人控制程序。它不靠天賦，靠的是"把每次失敗都看得清清楚楚、把每次成功都記得明明白白、把每次探索都走得多條路並行"這三件事的組合。
對普通人來說，這意味著未來的家庭服務機器人、工廠操作機器人，不再需要為每一種場景都從頭編寫專用程序，而是能夠從已有經驗中不斷汲取養分，越用越順手。當然，從實驗室的階段性成果到能真正在每個家庭穩定運行，還有很長的路要走。但這個研究至少告訴我們，"讓機器人自己攢經驗"這件事，在技術上是可行的，而且已經有了相當可觀的早期成果。
有興趣深入了解技術細節的讀者，可以通過arXiv編號2607.00272查閱完整論文，英文原文包含了詳細的實驗數據、技能庫示例和系統提示詞完整版本。
---
Q&A
Q1：ASPIRE技能庫里的技能是人工寫的還是自動生成的？
A：ASPIRE技能庫中的技能完全是系統在解決任務過程中自動歸納出來的，而非人工預先寫好。每當機器人代理診斷出一個失敗原因並成功修復後，協調者會審核這次修復的通用性，只把那些有可能在其他任務中復用的修復模式提煉成技能條目，存入共享技能庫，供後續任務直接參考。
Q2：ASPIRE和傳統機器人學習方法有什麼本質區別？
A：傳統端到端視覺語言行動模型（如π0、OpenVLA）是通過大量示範數據訓練出固定策略權重，一旦訓練完成就不能自主修改；傳統代碼即策略方法可以寫程序但不積累經驗。ASPIRE的核心區別在於：它把每次執行的細粒度過程記錄下來用於精準診斷，並且把修復經驗以可復用技能的形式持久化保存，讓系統隨任務增多而持續改進。
Q3：ASPIRE在真實機器人上表現怎麼樣？
A：研究團隊在一台雙臂YAM真實機器人上測試了三個技能：碗放盤子、蘇打水罐抬取和推拉抽屜。使用仿真中積累的技能作為指導後，蘇打水罐抬取成功率從13/20提升至19/20，推拉抽屜從完全失敗（0/20）提升至11/20，且調試過程消耗的計算資源大幅減少，最多降低了約90%。但這仍是初步實驗，規模較小，真實世界的全面自主學習還需要進一步研究。
