众擎与北大发布PyRUA-REAL真机自进化框架
先了解这件事
众擎机器人与北京大学研究团队联合发布 PyRUA-REAL 框架：在基础模型参数全程冻结的前提下，由研究者和工程师两个编程智能体反复探索、诊断并修改代码，把有效做法沉淀为持久记忆和可复用可执行技能，用于后续探索与代码改进。据该研究称，在八项真实世界任务上平均成功率为 91.1%，在 RoboDojo 基准的 42 项任务上平均成功率为 84.4%。 部署表现存在明显限制。众擎方面称，八项任务中有七项形成了无需运行时调用语言模型的程序，依靠实时感知、控制与恢复逻辑独立执行，网线插接一项仍需在线辅助；现有程序在记录的 4 次无在线辅助尝试中均未成功，加入在线智能体辅助后完成了 17 次尝试中的 10 次。 研究还考察了智能体协作方式、执行反馈对代码改进的作用，以及任务描述和已有技能对鲁棒性与任务迁移的影响。众擎称论文代码即将开源。
AI 根据报道生成 · 3 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
- 众擎机器人 · 微信公众号精选众擎与北大发布PyRUA-REAL：真机自进化在RoboDojo达84.42%
众擎机器人与北京大学研究团队联合发布论文PyRUA-REAL，在基础模型参数冻结的设置下，通过研究者与工程师两个编程智能体反复探索、诊断和改代码，把有效做法沉淀为技能与记忆。
- arXiv cs.ROPyRUA-REAL：编码智能体在真实世界探索中实现机器人递归自我改进
PyRUA-REAL 框架让编码智能体把真实交互经验保存为持久记忆和可复用可执行技能，用于后续探索与代码改进。在八项真实世界操作任务上平均成功率为 91.1%，在 RoboDojo 基准的 42 项任务上平均成功率为 84.4%。研究还考察了智能体协作方式、执行反馈对代码改进的作用，以及任务描述和已有技能对鲁棒性与任务迁移的影响。
- HuggingFace Daily PapersPyRUA-REAL：通过真实世界 RSI 实现机器人探索与自适应学习
PyRUA-REAL 框架让编码智能体把真实世界交互经验保存为持久记忆和可复用可执行技能，用于后续探索与代码改进。在八项真实世界任务上平均成功率为 91.1%，在 RoboDojo 基准的 42 项任务上平均成功率为 84.4%。研究还考察了智能体协作方式、执行反馈对代码改进的作用，以及部署时不依赖在线智能体决策的效率与能力。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 1811月6日 15:00
- 近 24 小时变化
- -50%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。