跳至正文
原文导读 · 原标题中译

ACE-CaP-0:体验时代下的真实世界代码即策略

ACE-CaP-0: Real-World Code-as-Policies in the Era of Experience

材料发布 2026-11-12 · arXiv · 作者论文 · 核查 2026-11-14
图1:ACE-CaP-0:从定向经验到机器人独立执行。左:编码智能体在机器人上改进策略,按需请求机器人示范并使用仿真。右:八项操作任务,每个面板给出成功率与以分钟计的平均真机执行时间。每个冻结策略在 30 次试验中评测,以运行时感知与控制执行,闭环中没有人类或编码智能体参与。 图片出处
图5:ACE-CaP-0:从策略开发到独立执行。(a) 编码智能体利用真实世界反馈编写并修订可执行策略,配备一个共享的机器人工具箱,同时支持策略执行与智能体直接探索。在整个开发过程中,智能体可以请求动觉示范(kinesthetic demonstration),从而获得视频、机械臂轨迹和关键关节位姿;也可以针对所选的任务片段与初始状态,在仿真中测试候选代码。(b) 所得的代码策略被冻结,并通过机器人自身接口执行,闭环中没有人类或编码智能体参与。第 4 节在不进一步更新的情况下评测这些冻结策略。 图片出处

内容摘要

机器人策略可以写成可执行程序(代码即策略,Code as Policies,CaP):编码智能体在开发期试错,把动作顺序、几何关系和运动参数沉淀成代码,运行时按固定规则调用感知与控制接口;执行期反复调用大模型会拉长任务完成时间,真机试错又昂贵,论文要回答的正是开发期该获取哪类经验。

作者在充电器插入任务上设六种开发条件对照,每种只开发一次。随时索取的机器人示教成功率 86.7%(26/30),高于机器人视角的人手视频 73.3%(22/30)和纯文字指导 60%;改成按需索取也优于一上来就给(53.3%,16/30)。仿真须嵌在真机回路:按需仿真达 100%,先仿真再迁移的顺序流程为 0%,因模拟深度未复现真实传感器近距离盲区,代价是输出 token 从 0.73 百万升到 1.09 百万。

据此提出 ACE-CaP-0:编码智能体自行决定请求示教、跑仿真还是直接上真机,之后冻结程序。评测平台为两台 Agilex PIPERX 机械臂加三个相机,编码智能体是 Claude Opus 5.5,每任务开发期最多十次人工协助的场景重置。八个真实操作任务每程序 30 次共 240 次,总体成功率 92.1%(221/240),平均执行 0.97—2.27 分钟。均为作者自报,成本未计入示教人力。

点评

对写机器人策略的工程师,这篇工作把“经验从哪来”当成开发流程的一等公民:示教做成按需索取而不是开场就塞一堆,仿真放进真机反馈回路而不是先离线刷完再迁移——在本文的充电器插入任务上,顺序式“先仿真后迁移”最终 0% 成功,按需仿真为 100%;最后把策略冻结成程序,运行时不需要人或编码智能体在线决策。预算上也要有预期:按需仿真会多烧输出 token,每个任务还要预留人工协助的场景重置次数,采集示教所用的重置不计入该预算。

六个开发条件都只在充电器插入这一个任务上各跑了一次开发,作者明确说跨独立开发批次的一致性尚未建立;每个冻结程序的 30 次评测衡量的是程序可靠性,不等于开发过程的稳定性。成本口径记录的是开发耗时与模型输出 token,作者把“把示教人力纳入成本核算”列为后续研究的要求。全部结果为作者自报,未见独立复现;证据仅来自该 arXiv v1 全文快照,没有后续版本可供比对。

版本与核查范围

版本 2611.16872v1 · 原文定位与程序检查、独立上下文模型复核;不代表独立研究复现。。依据已核查材料整理;未运行模型或机器人。

原文与定位

  • 原文链接 #abstract1.1;#S1.p4.1;#S2.SS1.SSS0.Px1.p3.1;#S2.SS1.SSS0.Px3.p2.1;#S2.SS2.SSS0.Px2.p1.1;#S2.SS2.SSS0.Px3.p1.1;#S1.p5.1;#S4.SS1.SSS0.Px1.p1.1;#S4.SS1.SSS0.Px2.p1.1;#S4.SS2.p1.1;#S4.SS2.p2.1;#S6.p3.1