RoboFoundry：通过“系统即策略”演进实现具身智能体自学习
RoboFoundry是一种通过经过验证的整体系统更新来改进具身智能体的框架，而非单独优化各个组件。它分析执行经验，更新上下文与记忆系统以及层级技能，并将改进迁移到不同机器人上。作者称，该方法在EmbodiedBench上达到领先水平，较GPT-5.5提升27.8%。在RoboMemArena的长时记忆评测中，它至少领先基线方法39%；在LIBERO-PRO上，根据扰动类型，其表现比Cap-Agent0高出243.8%至679.7%。真实机器人部署测试还展示了零样本迁移和持续演进能力。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。