Программирование роботов традиционно сложно: нужно организовать мультимодальное восприятие, управлять динамикой физического контакта, справляться с разнообразными конфигурациями среды и отказами. Группа исследователей под руководством Runyu Lu представила ASPIRE (Agentic Skill Programming through Iterative Robot Exploration) — систему непрерывного обучения, которая самостоятельно пишет и уточняет программы управления роботом в парадигме code-as-policy и накапливает опыт в переиспользуемую библиотеку навыков.
ASPIRE работает в открытом цикле обучения из трёх компонентов:
- Замкнутый движок выполнения с детальными мультимодальными трассами, позволяющими агенту диагностировать сбои, синтезировать исправления и проверять результат.
- Постоянно растущая библиотека навыков, которая превращает подтверждённые исправления в переиспользуемое знание.
- Эволюционный поиск, генерирующий разнообразные программы и систематически их отлаживающий, чтобы выходить за пределы уточнения одной траектории.
Результаты
ASPIRE превосходит предыдущие методы до 77% на задачах манипуляции при возмущениях, на 72% на задаче двуручной передачи Robosuite и до 32% на долгосрочных бытовых задачах. Накопленная библиотека навыков обеспечивает zero-shot обобщение: на представительных невиданных долгосрочных задачах ASPIRE достигает 31% успеха против 4% у предыдущих методов.
Производительность масштабируется с возможностями передовых моделей. С Claude Opus 5.5 ASPIRE почти насыщает бенчмарки: 99% среднего успеха на всех 80 задачах LIBERO-Pro и 100% на представительных задачах Robosuite и BEHAVIOR-1K. Вне симуляции навыки, найденные в симуляции, снижают усилия по программированию реальных роботов для разных платформ и API, а навыки, полученные при взаимодействии с физическими роботами, позволяют ASPIRE собирать кубик Рубика с постепенно растущей эффективностью.
Работа опубликована на arXiv (cs.RO), проект доступен на сайте NVIDIA.
Источник: https://arxiv.org/abs/2607.00272
