具身智能Skill时刻！英伟达开源机器人技能库，Jim Fan：范式变了

henry 发自 凹非寺
量子位 | 公众号 QbitAI

6！机器人也能学Skill了。

刚刚，英伟达放出了一套能让机器人持续成长的技能库

ASPIRE

简单理解，ASPIRE有点像一个机器人版Coding Agent。

就跟GPT能把你的prompt、工作记录炼成可复用的skill一样，它也会把机器人的一次次失败和修复，沉淀成之后能继续调用的经验。

只不过，它review的不是代码，而是机器人的操作过程

每当机器人执行任务时，ASPIRE就会把感知、导航、抓取、碰撞、运动规划这些过程都记下来。

它背后调用的GPT / Claude则会像研究员一样，判断任务中哪里出了问题，迭代程序。如果跑通，就把沉淀出来的经验写进Skill。

由此，机器人就可以通过写代码、看执行轨迹、修程序、沉淀技能来持续学习。

而这，可不光是在机器人经验中炼化Skill这么简单。

英伟达机器人主管Jim Fan还表示ASPIRE代表了一种全新的持续学习范式

其中：

• 训练，从梯度下降变成了不断打磨技能（Skill Refinement）；
• 训练好的模型，对应的也不再只是一堆浮点权重，而是一个持续扩展的机器人技能库（Sensorimotor Skills）；
• 分布式训练，则变成了一群 Agent 各自练习不同技能，再把经验汇总进同一个技能库。

训练出来的，不一定是权重

虽然开头已经介绍的七七八八，但在讲怎么革新机器人训练范式前，咱先啰嗦几句背景。

ASPIRE的全名叫Agentic Skill Programming through Iterative Robot Exploration

它能让机器人用代码执行任务，失败后看多模态执行轨迹，再修程序，把修好的经验存进一个不断变厚的skills library。

这里的Skill，虽然本质上还是一段喂给大模型的上下文，却沉淀着一套经过验证的代码修复经验（Code Repair Pattern），让机器人知道遇到某类问题时，该如何修改控制程序。

比如，当机器人准备拿起一个收音机时，已经识别到了目标，却始终无法靠近时。

Agent能分析出来原因并非识别错了，而是规划器（Planner）给出的目标点都落在障碍物的碰撞缓冲区内。

由此，ASPIRE就会在这次经验的基础上，总结出一条新的Skill：

如果遇到这种规划失败，就尝试从45°、90°、180° 等不同角度重新接近目标，直到找到一条无碰撞路径。

以后再遇到类似场景，无论目标变成收音机、微波炉还是其他家具，这条经验都可以直接复用，不必重新试错。

说到这，你可能会好奇。 机器人训练，不应该都是搞数据、梯度下降、模型权重、真机采集、仿真到现实迁移吗？

怎么就突然成攒skill了？

这里要先讲一个最近很火的范式，Code as Policy

跟VLA等端到端的策略模型不同，Code as Policy不让模型直接输出机器人动作，而是让大模型写一段可执行的机器人控制程序。

程序里可以调用感知模块、规划API和控制原语，比如识别物体、规划路径、移动机械臂、执行抓取。

这样一来，机器人行为就不再完全藏在神经网络权重里，而是变成了可执行的操作代码。

有了代码，就可以被现在强的离谱的Agent模型检查、修改、调试、继续优化。

但过去，Code as Policy一直有两个问题。

第一，机器人失败了，系统通常只知道“任务没完成”，却不知道到底是感知错了、抓取没抓稳、路径规划撞了，还是恢复动作出了问题。

第二，也是更关键的一点，它不会长记性

一个任务做完，调试过程中发现的修复方案、恢复策略、prompt写法就被丢掉了，下次遇到类似问题，还得重来一遍。

这也是为啥Jim Fan说:

（有了ASPIRE）当机器人完成第100个任务时，它终于不再像完成第1个任务时那样一无所知。

说白了，这整个过程就跟人类机器人工程师一样：

当一个机器人程序失败后，工程师会回放执行过程，看感知结果，分析运动轨迹，判断到底是抓取错了、规划错了，还是某个恢复动作没接上。

修好之后，工程师会记下这次的经验。下次再遇到桌边物体、抽屉把手、窄空间导航，就不会再从零开始。

而ASPIRE做的，就是把这套经验积累机制交给agent。它不只是让大模型写机器人代码，更让大模型在执行环境里反复试、反复看、反复修，最后把验证过的修复经验沉淀成Skill。

所以，在ASPIRE里，训练已经不只是梯度下降。

训练过程变成了Skill Refinement；训练产物，也不只是模型权重，而是一个机器人不断积累、不断成长的Skills Library。

三阶段pipeline

在论文中，这套思想被实现为三阶段的pipeline。

首先是robot execution engine，也就是机器人执行引擎。

传统机器人程序失败后，系统可能只告诉你任务没完成。

ASPIRE会把失败拆开，每一次感知、规划、抓取、控制调用，都留下输入、输出、视觉证据和错误日志。

就像人类工程师调机器人时会回放视频、看轨迹、查到底是感知错了还是抓取崩了，而ASPIRE把这套动作交给coding agent。

接下来是skill library。agent修好程序后，不会把这次经验丢掉，而会炼成可复用的知识。

官网技能库里能看到很具体的条目，比如SAM3文本提示怎么写、桌边物体要多角度接近、抽屉把手怎么过滤假检测、平面物体推动时该用哪种motion primitive。

这些不像传统模型权重，它们更像机器人程序员的踩坑笔记。

最后是evolutionary search

一个agent不只沿着单条修复路径往下试，系统会生成多条候选控制程序，让它们进执行环境里跑，再根据幸存程序和失败轨迹继续迭代。

软件工程里，coding agent已经习惯了写代码、跑测试、看trace、改bug。ASPIRE做的事，就是把这套循环搬进物理世界。

实验验证

为了验证这套方法，论文在三个经典机器人基准上进行了测试，包括LIBERO-ProRobosuiteBEHAVIOR-1K，分别覆盖泛化操作、接触密集型操作以及长时家庭任务。

整体结果都比此前的Code as Policy方法明显更好。

例如，在Robosuite的双臂物体交接（Bimanual Handover）任务中，ASPIRE 将成功率从20%提升到了92%

二在泛化能力方面。

研究先在LIBERO-90上不断积累Skill Library，再直接迁移到从未见过的 LIBERO-Pro Long长任务，中间没有针对新任务继续训练，也没有更新技能库。

结果显示，随着技能库越来越丰富，机器人在新任务上的成功率也一路提升，从几乎不会做，到最终达到31%。换句话说，Skill Library越厚，机器人越不像一个新手。

作者介绍

在技术博客的最后，英伟达也公布了完整的作者名单。

依旧是GEAR团队的老面孔：Jim Fan、朱玉可、Guanzhi Wang、石冠亚等人。

排在最前面的三位作者为共同贡献。

其中，Runyu Lu目前是密歇根大学博士二年级学生，正在GEAR实习；Yuubo Wu来自伊利诺伊大学厄巴纳-香槟分校（UIUC），Ethan Kou则来自加州大学伯克利分校，目前还是一名本科生。

值得一提的是，就在昨天，英伟达也宣布扩大国内机器人团队招聘，在北京、上海、深圳三地开放了不少岗位，覆盖具身智能、仿真、机器人部署和解决方案架构等方向。

感兴趣的同学们，准备简历吧！