Manifold AI登顶RoboDojo，超越GPT-6 Astra

近日，Manifold AI流形空间登顶机器人学习基准RoboDojo榜单（Agent Track），超越GPT-6-Astra、英伟达GR00T-N1.7等模型。

三个月前，Manifold AI发布具备上下文学习（ICL）能力的世界动作模型WorldScape Policy 2.0。随后，Generalist AI和Skild AI也相继官宣各自具备上下文学习能力的具身模型Gen-1.5与S1。从一次示范中学习新任务，是机器人适应真实世界的一条路径，但模型能力提升还需与系统自我改进相结合。围绕这一问题，Manifold AI提出WorldScape R²SI（机器人递归自进化）框架：通过内外双层Agent系统执行任务复盘、技能修正与经验积累，让有效经验推动机器人模型和系统双重自我改进。

RoboDojo面向机器人操作能力，覆盖双臂操作、长程任务、记忆、泛化和精细操作等维度，要求系统在任务规定的原生动作步数限制内取得有效进展。此次评测中，WorldScape R²SI位列总榜第一。系统背后有两项核心技术支撑：ICL关注机器人如何在不进行后训练的情况下，通过一次人类示范学习新任务；R²SI将任务执行、经验复盘与技能更新连接起来，关注机器人如何在多次执行中持续改进。两者共同指向一个目标：让机器人更有效调用已有能力、应对变化，减少遇到新情况时从头探索的需要。

ICL方面，今年7月发布WorldScape Policy 2.0时，Manifold AI提出：面对新任务，机器人能否不重新训练模型，仅看一遍人类示范就完成任务？通常机器人面对变化需重新采集数据、训练或微调模型，ICL则将人类示范作为上下文，让模型在执行阶段利用示范适应新任务，无须改变模型参数。WorldScape Policy 2.5的能力体现在三个层面：动作迁移，观看印章操作示范后，机器人能将盖章动作迁移至不同颜色、形状的新印章及不同位置、材质的落款页；技能组合，从拿起鞋子到松开鞋带涉及多个衔接阶段，机器人需根据当前观察调整行为、协调不同阶段操作；零样本学习长任务，Manifold AI引入视觉记忆与事件记忆机制，帮助系统保留环境变化、任务进度等关键信息。实验结果显示，面对预训练中的已知任务，上下文学习模型表现已显著超过对照VLA模型；面对未知任务时，两者成功率差距甚至达到数倍。

R²SI方面，机器人每次执行任务都会产生可用于改进的信息。R²SI通过双层Agent结构将任务执行与经验分析、修正和积累连接起来。内层Robot Agent以多视角RGB图像、机器人本体状态、任务描述与回合记忆作为上下文进行决策，并通过按任务加载的Skill执行任务；调用reactive model（WSP）本身也是一项Skill。外层Recursion Agent跨轮次复盘执行记录，修订Skill，并以Harness更新形式作用于内层；对于使用reactive model（WSP）的任务，外层还将执行记录组织为训练数据，训练并更新该模型。各类更新均须通过测试才能自动发布并纳入版本管理。

案例一：push_T任务中，机械臂需将T形物体沿桌面推入目标区域，使位置、朝向与接触状态同时满足要求，并在600个原生动作步数内完成。首轮执行中，夹持方向与任务不相适配，且平移过程中同步转向，导致物体明显偏转；对齐完成后夹爪一次性释放，又使物体偏离目标位姿，共耗用723步，超出预算。外层Recursion Agent据此修订Skill：调整夹持方向；将平移与转向解耦，先平移、后分段转向；分阶段释放夹爪并逐段检查偏移。修订版本通过测试后自动发布，首次在预算内取得原生满分，耗用596步；经后续迭代，同一布局下步数进一步降至389，较596步下降约35%。此后Skill冻结，内层Robot Agent在三种随机布局上自主执行，分别以222、312、256步完成任务，均取得原生满分且未超出600步预算。

案例二：装箱任务中，外层Recursion Agent为内层加载调用reactive model（WSP）的Skill。执行中Robot Agent依据观测调用该模型，模型执行一个动作块后交还控制权，Robot Agent再根据新观测决定下一步。外层随后将执行记录组织为训练数据并训练该模型，更新后的模型继续供内层调用。由此，该模型既承担执行，也能在外层Agent训练下持续改进。

从榜单成绩到机器人通用能力，WorldScape Policy从2.0探索通过一次示范学习新任务，到2.5探索动作迁移、技能组合与长程执行，研究始终围绕机器人如何在复杂操作中有效利用观察、示范与记忆。WorldScape R²SI进一步连接执行与经验改进，通过提炼技能、验证修改，探索Agent与动作模型协同进化。此次登顶是阶段性成果，接下来这套技术路径能在多大程度上转化为机器人通用能力，还将接受实际落地场景检验。