便利店机器人自己学会挂货，Physical RSI让物理AI飞轮转起来了

因为货架上的小尺寸挂钩被价格标签牌挡住了一部分，进便利店打工的机器人第一次尝试挂货时扑了个空。换作以往，必须由工程师排查问题、调整程序、补充数据，让机器人重新练习。但这次机器人自己琢磨出了新办法：它回看执行记录，发现头部相机视角分辨率不足，加上标签牌遮挡，难以看清小挂钩位置。于是Agent调整策略，让左手先靠近目标，用腕部相机补充近距离视角，确认位置后由右手完成挂货。机器人不仅自己发现问题、找到解法，还把这套经验积累下来备用。

这套机制背后是智元最新发布的具身Agent框架Genie Master，也是其“AI WAVE”系列技术发布的第四弹——在业界首次把Physical RSI（具身递归自进化）搬进真实便利店业务流。在Genie Master加持下，智元精灵G2机器人在真实便利店执行任务时，已可不依赖人工示范与调试，自主分析失败原因、调整策略、沉淀经验，实现“无人在环”的持续自我改进。这是行业首次跳出仿真环境与实验室设定，在真实业务场景中跑通并验证Physical RSI。

Genie Master是一套具身Agent框架，核心任务是连接上层Agent的推理能力与底层机器人的动作执行能力，让Agent能调用机器人各项能力、理解真实物理执行反馈，并根据任务进展持续组织行动和针对性练习。一旦机器人在实际工作中暴露能力短板，问题会直接进入自主改进流程。该框架重点构建机器人部署后的持续改进机制，既涉及任务执行当下的判断与动态调整，也涵盖事后经验沉淀和底层动作策略更新。

智元提出该框架，是因为行业长期存在落地痛点：机器人进入真实商业场景后，难免遇到训练阶段未覆盖的长尾情况，执行失败、动作不稳定或任务耗时过长都可能需要工程师介入。场景越多、任务越复杂，研发和维护工作量越大。具身智能要大规模应用，必须从依赖人工示范的“被动微调”转向机器人自主发现问题、解决问题的“自进化模式”。Genie Master将问题诊断、组织练习和结果评估交由Agent操盘，支持机器人自主习得新能力，缩短从“客户提出新需求”到“机器人掌握新本领”的研发周期。

在真实便利店实测中，搭载Genie Master的机器人还展现出更多应对复杂局面的能力。团队已将取货、补货、清洁、异常恢复和多机协作纳入统一工作流，探索持续改进闭环。

要让机器人在工作中自我进化，上层推理“大脑”的引导必须精准落实为动作，底层执行“小脑”的结果也必须实时反馈给大脑。为此，Genie Master推出关键设计——具身执行协议EEP，为Agent与物理世界建立统一接口，涵盖四类核心接口：能力接口让Agent清楚机器人当前可调用的能力；引导接口让Agent向底层传递空间提示、物体参考和细粒度语言要求；反馈接口让Agent实时了解执行后的真实物理情况；连续性接口让系统持续追踪机器人集群的任务进度、分工依赖，支持动态调度及中断后任务接续。通过EEP并配合时序对齐等协同设计，上层Agent可根据执行结果动态调整引导，底层基座动作策略则结合当前观测和Agent要求精准执行，并实时返回观测与子任务状态。

在便利店正常工作流中，当机器人发现某些任务反复失败、执行不稳或耗时过长，Agent会主动利用空闲时间组织机器人针对薄弱环节“自主加练”，练什么、怎么练、结果是否合格、异常如何恢复重试，全由Agent负责。真实部署环境源源不断为机器人提供“接下来该练什么、该改什么”的实战依据。

Genie Master采取“双管齐下”策略：Harness RSI负责积累经验，Policy RSI负责更新动作策略。Harness RSI在保持模型权重和已有工具接口不变的前提下，主要通过优化提示词、记忆和执行规则改善后续任务表现。机器人把成功和失败例子“随做随记”，再通过每日异步反思与记忆整合，转化为更有效的引导、完成判定、异常恢复和协作规则，纳入长期记忆并按需加载。开头“便利店挂货”案例正是Harness RSI在发力：Agent回溯失败记录后诊断出“头部相机视角分辨率不足，加上标签牌遮挡，导致无法准确识别小尺寸挂钩位置”，于是把“先用左手腕部相机凑近补视角、确认后再用右手挂货”的新解法写进可执行经验，后续遇到类似情况可直接调取应对。

为满足真机部署对低延迟、高稳定性的要求，部分能力需变成机器人的“肌肉记忆”，这由Policy RSI完成。它收集机器人在自主执行、人工接管示范及异常恢复中产生的数据，通过筛选、加权和目标重标提高数据质量，再用监督学习、模仿学习或强化学习直接更新底层动作策略模型，让改进保留在模型参数里。例如“外卖打包防缠绕”任务中处理提带缠绕、执行回撤和异常恢复产生的数据，经筛选处理后可用于后续动作策略训练。需要说明的是，Policy RSI仍会使用人工接管示范等数据，动作策略更新也需经过数据处理和模型训练。

两条路线相互咬合形成飞轮：Harness RSI负责积累和组织经验，帮助分析失败原因、选择练习方式并改善后续执行；Policy RSI将处理后的执行数据用于动作策略训练，让有效经验沉淀为更稳定的动作能力。二者相互促进，形成从真实业务执行、发现能力缺口、自主练习到经验沉淀和策略更新的闭环，让系统在相同投入下获得更大能力增量，这正是“递归自进化”的威力所在。

站在具身智能产业视角