近日，Manifold AI 流形空间登顶机器人学习基准 RoboDojo 榜单（Agent Track），超越 GPT-6-Astra、英伟达 GR00T-N1.7 等模型。 三个月前，Manifold AI 发布了具备上下文学习（In-Context Learning，ICL）能力的世界动作模型 WorldScape Policy 2.0。随后，Generalist AI 和 Skild AI 也相继官宣了各自具备上下文学习能力的具身模型 Gen-1.5 与 S1。 从一次示范中学习新任务，是机器人适应真实世界的一条路径。但模型能力的提升，还需要与系统的自我改进相结合。 围绕这一问题，Manifold AI 提出了 WorldScape R²SI（Recursive Robot Self-Improvement，机器人递归自进化）框架：通过内外双层 Agent 系统执行任务复盘、技能修正与经验积累，让有效经验进一步推动机器人模型和系统的双重自我改进。 登顶背后的两项技术支撑 RoboDojo 面向机器人操作能力，覆盖双臂操作、长程任务、记忆、泛化和精细操作等维度，要求系统在任务规定的原生动作步数限制内取得有效进展。 此次评测中，WorldScape R²SI 位列总榜第一。 这一系统背后有两项核心技术支撑： ICL 关注机器人如何在不进行后训练的情况下，通过一次人类示范学习新任务； R²SI 将任务执行、经验复盘与技能更新连接起来，关注机器人如何在多次执行中持续改进。 两者共同指向一个目标：让机器人更有效地调用已有能力、应对变化，减少遇到新情况时从头探索的需要。 ICL：让机器人「一次就会」 今年 7 月发布 WorldScape Policy 2.0 时，Manifold AI 提出了一个问题： 面对新任务，机器人能否不重新训练模型，仅看一遍人类示范就完成任务？ 这一问题对应着机器人走向真实世界时必须面对的变化：模糊的指令、多样的操作物、多个任务的随机组合，以及在执行过程中不断变化的环境。人类能够习以为常地处理这些情况，机器人却往往需要为此付出额外的学习成本。 通常，机器人面对这些变化时，需要重新采集数据、训练或微调模型。ICL 则将人类示范作为上下文，让模型在执行阶段利用示范适应新任务，无须改变模型参数。 WorldScape Policy 2.5，一次示范泛化多种全新任务 WorldScape Policy 2.5 的能力主要体现在三个层面。 1. 动作迁移：物体规格发生变化，动作仍能复用 观看印章操作示范后，机器人能够将「盖章动作」迁移至不同颜色和形状的新印章，以及不同位置、不同材质的落款页。 这意味着，机器人需要从示范中提取能够迁移的操作方式，超越对某个特定物体或固定动作轨迹的简单记忆与模仿。 2. 技能组合：让多个操作阶段顺畅衔接 从拿起鞋子到松开鞋带，任务涉及多个相互衔接的操作阶段。机器人需要根据当前观察调整行为，协调不同阶段的操作。 这类任务考察的是，机器人能否根据新的任务要求组织已有技能，并在执行中完成阶段切换，而非仅仅重复某个单一动作。 3. 零样本学习长任务 长程任务推理的难点在于，前一步的执行结果会影响后续任务，局部偏差可能沿着任务链条累积，最终导致执行中断。 为管理长程任务中的信息，Manifold AI 在 WorldScape Policy 中引入了视觉记忆与事件记忆机制，帮助系统保留环境变化、任务进度等关键信息，为后续决策提供依据。 根据 Manifold AI 展示的实验结果，面对预训练中的已知任务，上下文学习模型的表现已显著超过对照 VLA 模型；进一步面对未知任务时，两者的成功率差距甚至达到数倍。 不同训练任务数量 ICL/VLA 模型成功率对比 R²SI：让执行经验转化为持续改进 机器人每次执行任务，都会产生可用于改进的信息。 抓取失败，可能需要调整接近方向；推移未达预期，可能需要改变接触高度；即使任务已经完成，若耗费了过多动作步数，也意味着策略仍有优化空间。如果这些经验无法被有效复用，机器人就可能在下一次执行中重复犯错。 在 Manifold AI 看来，从持续执行中积累经验、提升能力，是支撑具身智能应对真实世界任意任务的一项本质能力。 R²SI 正是围绕这一问题提出的自进化系统。它通过双层 Agent 结构，将任务执行与经验分析、修正和积累连接起来，尝试形成持续改进的闭环。 具体而言，R²SI 由内外两层 Agent 构成：内层负责执行，外层负责改进。 内层 Robot Agent 以多视角 RGB 图像、机器人本体状态、任务描述与回合记忆作为上下文进行决策，并通过按任务加载的 Skill 执行任务。 调用 reactive model（WSP）本身也是一项 Skill。加载后，