OPEN SOURCE DEEP DIVE
ASPIRE：把机器人「训练」变成技能库生长的 Agentic 发现系统
ASPIRE 是 NVIDIA 联合密歇根大学、UIUC、伯克利与 CMU 开源的持续学习系统（论文 arXiv:2607.00272，Apache-2.0）。它不做梯度下降：编码智能体在闭环执行引擎里反复写、跑、修机器人控制程序（code-as-policy），把被验证的修复沉淀进可复用技能库，再用进化搜索跳出单轨迹修补。在 LIBERO-Pro 全部 80 个任务上，Claude Opus 5.5 驱动时平均成功率 99%，Robosuite 与 BEHAVIOR-1K 代表任务 100%；扰动操作任务最高提升 77%，未见长程任务零样本 31% 对基线 4%。真机侧，仿真发现的技能跨本体迁移到真实双臂站，在线学习甚至让机器人学会解魔方。
「训练」被重新定义：梯度下降换成技能库生长
ASPIRE 是 NVIDIA 联合密歇根大学、UIUC、伯克利与 CMU 在 2026 年开源的持续学习系统（论文 arXiv:2607.00272，Apache-2.0 协议）。它对「训练」做了三次替换：训练不是梯度下降，而是技能精炼；训练产物不是一份浮点权重，而是一仓库的感知运动技能；分布式训练不是切 minibatch，而是一面板的智能体各自练不同的技能。技能以 Python 程序的形式存在——code-as-policy（CaP）范式——由编码智能体（Codex、Claude Code 等）撰写、执行、诊断、修复，被验证有效的修复再沉淀进技能库供后续任务复用。
这套范式的答案硬得惊人：在 LIBERO-Pro 全部 80 个 Goal / Object / Spatial / Long 任务上，Claude Opus 5.5 驱动的 ASPIRE 平均成功率 99%，Robosuite 与 BEHAVIOR-1K 的代表任务做到 100%；扰动条件下的操作任务相对先前方法最高提升 77%，Robosuite 双臂交接任务提升 72%，长程家庭任务最高提升 32%。技能库还带来零样本迁移：代表性未见长程任务上 31% 对基线的 4%。真机侧，仿真里发现的技能跨本体降低了真实机器人编程成本，而在线真机交互学到的技能让双臂站解开了魔方。
闭环执行引擎：受限的程序运行时与可审计的运行档案
智能体写的程序跑在 cap-harness 运行时里，边界划得非常死：生成的 program.py 不能 import 任何模块，拿不到 NumPy、文件系统、网络、原生仿真器、奖励函数与成功判谓；它只能调用注入的顶层工具。工具分两层：shared_atomic 是单原语调用（get_observation、segment_text、mask_to_point_cloud、estimate_geometry、generate_grasps、solve_ik、plan_motion、step、execute_trajectory、set_gripper 等），shared_high_level 是这些原语的本地组合（localize_object、select_grasp、move_to_pose、move_to_joints、open_gripper、go_home 等）。每个 benchmark 再注入自己的扩展命名空间：libero.*、robosuite.*、behavior.*（后者含移动底盘 navigate_to_pose 与躯干 move_torso）。
感知与规划不在运行时进程里，而是一组长期存活的 HTTP Provider 服务：SAM3 做文本/点提示分割，Contact GraspNet 出抓取候选，PyRoki 做 IK，cuRobo 做碰撞感知轨迹规划；拓扑声明在 configs/environments.json，硬件绑定在 configs/profiles/（随箱附 rtx5090 与 l40 两套 profile）。仿真器环境（LIBERO、Robosuite、BEHAVIOR-1K）只装客户端依赖，共享同一套 Provider 栈——模拟器安装因此很轻，一个 Provider 实例服务所有仿真客户端。
每次 cap-harness run 都落一份不可变档案：run.json（身份与配置）、outcome.json（程序状态、任务/协议成功、聚合奖励、timing 分桶）、manifest.json（每个文件的 SHA-256）、episode/（每控制 tick 一条动作与状态记录）、trace/（父子相连的程序与 Provider span）、media/（每相机一路 H.264 视频、运动调用前后的无损关键帧、SAM top-1 掩膜叠图）。奖励与成功判谓从不出现在生成程序可见的结果里——智能体只能靠视觉与状态证据判断成败，这正是它能学会「验证」而不是「背答案」的原因。timing 分桶互不相交，一次 1000 步 episode 的记录开销约 4 毫秒。
Fix Loop：按失败模式调试，只有被复现的修复才能晋升
仓库把整条学习回路打包成两个 agent skill：iterative-debugging（Fix Loop）与 evosearch（进化搜索），Claude Code 与 Codex 各有一份。Fix Loop 里协调者智能体兼作课程设计者：每轮从技能库当前能力出发挑任务，给每个 pending 任务派一个 worker。worker 只看一张初始观测图就开始写代码，然后在开发种子（LIBERO 为 51–65）上调试；调试按失败模式组织而不是按种子组织，每个版本都在全部开发种子上打分；选出的程序再在 unseen-check 种子（66–80）上量一次，才交给协调者跑 held-out 评测（种子 1–50，即 HELDOUT_COUNT）。
技能晋升有一道硬门：任务提议新技能时，另派一个 verifier 智能体只凭技能库与提案文本（不看提案者的代码）在前几个开发种子上两次尝试内复现修复；只有 verified 的提案才进 skills/ 目录。技能库因此不会塞进「只在某颗种子上碰巧有效」的片段。evosearch 面向 Fix Loop 啃不动的难任务：以 Fix Loop 产出的 fix_code.py 为 candidate_A，做 K=8 的多候选进化搜索，再走同一套验证与 held-out 流程。
flowchart LR
A["观察初始场景
RGB-D + 关节状态"] --> B["智能体撰写 program.py"]
B --> C["cap-harness 记录运行
视频 / 关键帧 / trace"]
C --> D{"开发种子 51-65
按失败模式诊断"}
D -- 未达标 --> E["读 trace 与关键帧
合成修复"]
E --> B
D -- 达标 --> F["unseen-check 66-80
再 held-out 1-50"]
F --> G{"verifier 仅凭技能库
两次内复现修复?"}
G -- 通过 --> H["晋升进 skills/ 技能库"]
G -- 失败 --> I["留在任务目录
不入库"]
H --> B
证据链：三个基准、十二个模型与一条成本前沿
ASPIRE 的表现随底层编码智能体的能力缩放。在 10 个 LIBERO-Pro 任务上，成功率从 GPT-6 Luna 的 15% 一路升到 Claude Opus 5.5 的 99%；而最强模型并非最贵：Sonnet 5.5 以每任务 12 美元同样站到 99%，Opus 5 花 60 美元只有 91%。跨 LIBERO-Pro、Robosuite 与 BEHAVIOR-1K，Opus 5.5 在每个任务上都落在 97–100% 区间。
| 编码智能体模型 | 10 个 LIBERO-Pro 任务成功率 | 每任务 API 成本 |
|---|---|---|
| GPT-6 Luna | 15% | $0.83 |
| Haiku 5.5 | 68% | $4 |
| GPT-6.1 Sol | 88% | $10 |
| Sonnet 5.5 | 99% | $12 |
| Claude Opus 5.5 | 99% | $18 |
| Opus 5 | 91% | $60 |
BEHAVIOR-1K 上的长程家庭任务（R1 Pro 双臂 + 移动底盘，Isaac Sim）同样呈现模型阶梯：Opus 5 与 Opus 5.5 在四个代表任务上几乎全满，GPT-6 Astra 紧随其后。
| BEHAVIOR-1K 任务 | Opus 4.6 | Opus 5 | Opus 5.5 | GPT-6 Astra |
|---|---|---|---|---|
| Trash Navigation | 92% | 100% | 100% | 96% |
| Trash Task | 88% | 100% | 100% | 96% |
| Radio Navigation | 100% | 100% | 100% | 96% |
| Radio Task | 88% | 92% | 100% | 96% |
真机：System 2 操作员 runbook 与 YAM 双臂站
真机侧是一套完全独立的执行栈，文档是 docs/system2.md 操作员 runbook。服务拓扑为：SAM3（8114）与 cuRobo（8118）两个 Provider、左右臂各一个 yam-servers 进程（SocketCAN 驱动达妙电机）、CAP MCP 服务（8222）外加一个 Viser 可视化页（8080，实时 3D 机器人模型 + 相机视图 + Go home 按钮）。--allow-motion 是安全闸门：服务端不带这个旗标就拒绝一切动作命令并禁用 Home 按钮；agent 启动器带旗标时，新会话先开双夹爪、回 home，并回报 home_verified 与 0.03 rad 容差内的关节残差。
仓库的 AGENTS.md 给 System 2 智能体定了执行纪律：只通过注册的 mcp__cap__* 工具动作，禁止改源码或 shell 包一层绕路；维护以对象为中心的工作状态（计划、对象身份、已验证关系、未决谓词）；机器人位姿与夹爪闭合只描述执行，不证明抓取或放置完成——完成必须由返回的图像与测量证据建立。随箱四个真机任务食谱：解魔方、拧盖倒药丸、药丸入瓶并拧盖、倒扣套杯，全部是文本技能（接触策略、恢复路径、物理完成判据），不依赖录制回放或固定坐标。
真机结果分两条线。其一是跨本体 sim-to-real：v0.1 的长程收桌（table bussing）技能在仿真由 Claude Opus 4.6 发现、真机由 GPT-5.5 执行，技能文本跨 embodiment 与机器人 API 复用。其二是在线真机学习：GPT-6 Astra 直接在物理双臂站上练，解魔方、套杯、拧瓶盖、药丸入瓶，且解魔方的效率随练习逐轮提升——技能库在真机上同样复利。
安全边界与工程纪律
ASPIRE 对安全边界的表述直白得少见：CaP 运行时里的生成程序是受限的（无 import、无文件与网络、无奖励），但编码智能体自己的试验进程不是沙箱——它执行语言模型生成的 Python 且拥有完整 import 权限，watchdog 也不构成隔离。README 因此要求：生成代码跑在无凭据、无敏感挂载的隔离主机上，限制网络，且永远不给仿真智能体碰物理硬件的权限；真机操作另需 runbook 的控制项与操作员单独授权。
工程细节里藏着大量实测教训，值得直接抄：Provider 监督脚本在前台 trap INT/TERM/EXIT，终端一关整栈全倒且不重启（要存活就自己 setsid nohup）；LIBERO/Robosuite 的夹爪动作是速度而非位置，set_gripper 只接受 0.0 与 1.0，中间值会白烧 60 个 tick 还停在全开；go_home 从折叠姿态一次不收敛，需要连发三次（调用会累积，所以重复有效）；MuJoCo 的 EGL 设备枚举无视 CUDA_VISIBLE_DEVICES，必须同时设 MUJOCO_EGL_DEVICE_ID，否则 GPU 0 争用会表现为间歇深度图失败，看起来像策略 bug；请求不可用的规划后端会返回类型化失败，harness 永不隐式回退。
上手路径
仿真侧的最短路径是把仓库交给编码智能体：按 README 的 quick-start 提示词让它读 .claude/skills/iterative-debugging/SKILL.md 与 docs/libero-pro.md，跑 libero_goal_swap 十个任务；主机 prerequisites（CUDA、uv、SAM3 的 Hugging Face 门禁 token）见 docs/host-setup.md。环境用 scripts/bootstrap_libero.sh / bootstrap_robosuite.sh / bootstrap_behavior.sh 各自独立引导，指纹未变的 bootstrap 是 no-op。结构健康用 cap-harness doctor 与 cap-harness validate --plan（跨 embodiment 同一入口），单程序执行用 cap-harness run，多种子扫批用 run-batch。要复现论文规模实验，先明确 suite 与实验名（Fix Loop / Evosearch / 零样本迁移 / 库规模缩放 / 推理时缩放 / token 消融），agent 会先报任务、种子表、试次数、GPU 与凭据需求并等你确认再发车。
ASPIRE 的意义或许不在某个基准数字，而在它把「机器人学到了什么」变成了一个可以 diff、可以 review、可以带 DCO 签名贡献的仓库：技能是文本，进步是 commit，复利是库的生长。