PyRUA-REAL：通过递归式自我改进实现真实世界中的机器人探索与自适应学习
这项研究探讨由 AI 驱动的编程智能体如何通过与物理世界互动，持续提升机器人的能力。PyRUA-REAL 框架将经验保存为持久记忆和可复用的可执行技能，以支持后续探索和代码改进。研究还评估了执行反馈、任务说明及已有技能对系统鲁棒性和任务迁移能力的影响。在部署时不依赖在线智能体参与决策的情况下，该系统在八项真实世界任务中的平均成功率为 91.1%，在 RoboDojo 基准的 42 项任务中为 84.4%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。