NVlabs/ASPIRE

它解决了什么问题

ASPIRE 通过将范式从传统的基于梯度的学习转变为“技能发现”和优化过程，解决了机器人训练的挑战。它不再通过标准训练更新模型权重，而是将机器人的智能视为一个感知运动技能库，可以由智能体进行迭代改进。

工作原理

ASPIRE 使用编码智能体（如 Claude Code 或 Codex）来管理机器人的学习过程。这些智能体利用特定的“技能”（如迭代调试和进化搜索）在 LIBERO-Pro、Robosuite 和 BEHAVIOR-1K 等仿真环境中优化机器人行为。对于现实世界的任务，它采用“系统 2”操作员运行手册，引导智能体完成复杂的操纵任务，例如解魔方或拧开瓶盖，依靠语言模型生成的代码来处理抓取、恢复和验证。

适用人群

该项目专为对机器人学习的智能体工作流感兴趣的机器人研究人员和开发人员设计。对于那些希望在不依赖大规模固定数据集或传统微调的情况下，跨多种任务扩展机器人性能的人来说，它特别有用。

亮点

• 在 LIBERO-Pro 和 BEHAVIOR-1K 等复杂基准测试中实现了高成功率（高达 99-100%）。
• 实现了针对长周期操纵任务的跨具身仿真到现实（sim-to-real）迁移。
• 实现了一个智能体无关的框架，其中“训练”过程由执行迭代调试或进化搜索的编码智能体处理。
• 为现实世界的机器人操纵提供了结构化方法，包括杯子堆叠和药丸插入等任务的方案。