RoboClaw：一种面向可扩展长程机器人任务的智能体框架

针对视觉 - 语言 - 动作系统在长程任务中扩展难、依赖人工重置及多策略执行脆弱的问题，本文提出 RoboClaw 框架。该框架统一数据收集、策略学习与任务执行，引入“纠缠动作对”机制实现自主数据闭环与策略迭代。部署阶段，智能体通过高层推理动态编排 learned 策略原语，保持语义一致性，显著提升长程任务的稳定性与成功率，同时大幅降低人力投入。