Manifold AI登顶RoboDojo，机器人学会自我进化

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，位列总榜第一。其WorldScape R²SI系统超过GPT-6-Astra、英伟达GR00T-N1.7等模型，位列总榜第一。

三个月前，Manifold AI已发布具备上下文学习（ICL）能力的世界动作模型WorldScape Policy 2.0，探索让机器人不重新训练模型，仅通过一次人类示范完成新任务。随后，Generalist AI和Skild AI也相继官宣了各自具备上下文学习能力的具身模型Gen-1.5与S1。随着机器人开始从示范中学习，一个进一步的问题随之出现：执行过程中产生的经验，能否继续推动能力提升？一次示范解决的是机器人如何适应新任务，执行之后的经验能否留下来，决定了它能否继续改进。围绕后一个问题，Manifold AI提出了WorldScape R²SI（机器人递归自进化）框架，通过内外双层Agent系统完成任务复盘、技能修正和经验积累，让有效经验推动机器人模型和系统的双重自我改进。此次登顶RoboDojo，是这条技术路线交出的阶段性答卷。

Manifold AI专注于新一代世界模型与具身智能体研发，技术积累来自清华FIB实验室及此前推动世界模型落地的产业团队。公司发布了同时具备移动与操作交互能力的实时通用世界模型WorldScape，并进一步构建机器人世界动作模型WorldScape Policy。此次登顶的R²SI则将这条路线延伸到执行经验驱动的持续改进。

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，系统需在任务规定的原生动作步数限制内取得有效进展。WorldScape R²SI登顶背后有两项核心技术支撑：一是ICL，机器人不进行后训练，通过一次人类示范学习新任务；二是R²SI，连接任务执行、经验复盘与技能更新，让机器人在多次执行中持续改进。两者处理的是机器人进入真实场景时相互关联的问题——新任务出现后系统需快速调用已有能力，执行出现偏差后系统需知道该改哪里并将有效修改保留下来，最终目标是减少遇到新情况时从头探索的需要。

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？ICL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。在后续的WorldScape Policy 2.5中，这种能力被进一步放到动作迁移、技能组合和长程任务中检验。动作迁移方面，观看印章操作示范后，机器人将“盖章动作”迁移到不同颜色和形状的新印章及不同位置、不同材质的落款页；技能组合方面，从拿起鞋子到松开鞋带涉及多个连续操作阶段，机器人需根据当前观察调整行为；零样本学习长任务方面，Manifold AI在WorldScape Policy中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。根据展示的实验结果，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将执行、复盘、修正和经验积累组织成闭环，由内外两层Agent构成：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；外层Recursion Agent跨轮次复盘执行记录，修订Skill，并以Harness更新的形式作用于内层，对于使用reactive model（WSP）的任务，外层还会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。

在RoboDojo的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，Robot Agent采用的夹持方向与任务不相适配，平移过程中又同步转向，导致物体明显偏转，对齐完成后夹爪一次性释放再次使物体偏离，整轮耗用723步，超出预算。外层Recursion Agent根据执行记录修订Skill，调整夹持方向、将平移与转向解耦、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，更新后的Skill首次在预算内取得原生满分，耗用596步，后续迭代又将同一布局下的原生动作步数降至389，较596步下降约35%。此后该Skill冻结，内层Robot Agent在push_T的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。装箱任务则展示了另一条路径：外层Recursion Agent为内层加载调用reactive model（WSP）的Skill，并将执行记录组织为训练数据，训练更新该模型，更新后的模型继续供内层调用。

从WorldScape Policy 2.0探索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，Manifold AI持续研究机器人如何在复杂操作中利用观察、示范与记忆。WorldScape R²SI则进一步连接执行与经验改进，提炼技能、验证修改，并探索Agent与动作模型的协同进化，让机器人既能利用已有能力适应变化，也能将执行结果转化为后续改进的依据。