近日，Manifold AI 在机器人学习基准 RoboDojo 的 Agent Track 榜单上取得了领先，超越了包括 GPT-6-Astra 和英伟达 GR00T-N1.7 在内的多个模型。三个月前，Manifold AI 发布了具备上下文学习能力的世界动作模型 WorldScape Policy 2.0，随后 Generalist AI 和 Skild AI 也发布了各自具有类似能力的模型。为适应真实环境，机器人需要能够从单一示范中学习新任务，这一过程中模型的能力提升需与系统自我改进紧密结合。为此，Manifold AI 提出了 WorldScape R²SI（递归机器人自我改进）框架，利用内外双层 Agent 系统进行任务复盘、技能修正与经验积累，实现机器人整体能力的自我改进。

RoboDojo 评测涵盖机器人多项操作能力，包括双臂操作、长程任务、记忆和精细操作等。在此次评测中，WorldScape R²SI 荣登榜首。其核心在于两项技术：一是 ICL 使机器人能够在无后续训练的情况下，通过一次人类示范即可学习新任务；二是 R²SI 将任务执行与经验复盘结合，确保机器人在多次执行中不断提升。

ICL 允许机器人在面临新任务时，仅通过观察示范来完成任务，避免了传统模式下新数据采集与模型训练的成本。WorldScape Policy 2.5 的特点在于：首先是物体规格变化下的动作迁移，机器人能够将学到的操作适用于不同物体；其次是技能组合，机器人需要协调不同操作阶段以完成任务；最后是零样本学习长任务，通过视觉与事件记忆机制帮助系统保留关键执行信息。 南宫28ng娱乐最新官网

在执行任务的过程中，机器人不断累积经验，通过 R²SI 系统进行信息转化与优化。该系统由内外双层 Agent 构成，内层负责任务执行，外层则专注于经验分析与改进。这种结构旨在形成一个持续改进的闭环，提升机器人应对真实世界任务的能力。