摘要
机器人学习正分化为两派:将能力固化于冻结权重的策略(如VLA模型),以及编写并优化可执行技能代码的智能体。本综述围绕“权重与技能”这一轴线组织领域,深入剖析基于代码的策略方法,按其自我改进程度进行分类,从零样本程序合成到结合执行反馈、技能记忆与进化搜索的开放循环。同时映射互补的“技能”端,涵盖无监督强化学习的技能发现至大语言模型技能库,澄清“技能”的多重含义,并指出仅代码形式能在无梯度更新下实现自我改进。最后连接新兴的技能经济,探讨静态回放带来的适应性与标准化等开放问题。
AI 推荐理由
论文核心探讨机器人技能学习,对比权重与代码化技能,重点分析技能发现、库构建及自我改进机制。
研究机构
UC Berkeley, USA
San Jose State University, USA
Meta, USA
Apple, USA
PocketFM, USA
Pragya Lab, BITS Pilani Goa, India
论文信息