内容摘要
机器人能否不在控制环中调用模型，而以代码完成决策？作者提出纯代码即策略（COAP）：将机器人与环境状态视为图灵机的纸带，将策略视为规则，以显式状态变量驱动动作，而非在执行时调用VLM或VLA。
方法由代码从相机图像和本体感知中测量、维护状态；感知使用NumPy、OpenCV及已知物体几何。任务程序调用共享库，同一程序跨回合运行，执行时冻结。编码智能体离线检查失败记录、提出代码修改，并在验证布局上筛选改进，形成离线改代码、在线跑代码的闭环，而非机器人运行时自行改写策略。
作者报告，在RoboDojo的42项双臂任务上，COAP整体成功率为70.24%；每项任务使用三个种子、每个种子50种布局，测试时不使用深度、分割输入或模型服务。结果全部来自仿真，感知依赖基准公开的相机参数、机器人网格和物体尺寸；新任务仍需离线开发，能力上限取决于状态表示准确性与代码逻辑稳健性，不能据此推出真机或通用操作能力。
点评
这项作者研究将策略改进落实为显式状态、可检查代码与离线验证的迭代，为机器人递归自我改进提供了一条软件化研究路线。
证据为作者论文中的仿真实验，不是独立复现。依赖基准公开配置与资产，每个新任务都有开发成本；不将其结果外推为真机或通用能力。
版本与核查范围
版本 2610.12369v1 · 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 page:1；page:2；page:7；page:7；page:6；page:9；page:9；page:2；page:9；page:9；page:17；page:17