RoboEvolve：数据受限下用于机器人操作的规划器 - 模拟器共进化框架

针对机器人操作缺乏任务对齐物理数据的问题，本文提出 RoboEvolve 框架。该框架将视觉语言模型规划器与视频生成模拟器耦合，形成相互强化的共进化循环。系统利用认知启发的双阶段机制：白天探索通过语义控制奖励发现物理行为，夜间巩固挖掘“惜败”案例以稳定策略优化。在自主渐进课程指导下，系统能从简单动作扩展至复杂任务。实验表明，该方法在数据效率上超越全监督基线五十倍，并展现出无灾难性遗忘的持续学习能力。