OpenRUA 让现成编码智能体仅凭 ROS 2 终端访问即成为零样本视觉运动策略,在 CaP-Bench 达 99.0%、LIBERO-PRO 达 87.0%
核心概要
OpenRUA 提出一种零抽象 harness:只给现成编码智能体(Claude Code 驱动 Claude Opus 5)提供机器人原生软件接口 ROS 2 的终端访问、ROS 2 文档与基本工具,不预设专用工作流或定制接口,把感知重述为文件 I/O、把操作重述为编码,从而在 CaP-Bench 上取得 99.0%、在 LIBERO-PRO 上取得 87.0% 的成功率,表明现成编码智能体无需专用原语或任务特定训练即可充当零样本视觉运动策略。
深度剖析
提出 OpenRUA,一种零抽象 harness,绕过定制抽象层,仅向现成编码智能体提供对机器人原生软件接口 ROS 2 的终端访问。 此前工作主要工程化复杂的定制 harness 来编排机器人使用智能体,规定专门工作流并提供定制接口;OpenRUA 以极简的 workspace-as-harness 设计替代这一路线,只提供 ROS 2 文档与基本工具,不编排任何智能体工作流,由编码智能体自行组织工作。 摘要以对照方式陈述了与先前定制 harness 路线的差异,并说明 OpenRUA 的设计仅包含 ROS 2 文档与基本工具;未给出对照实验的量化比较。
在极简设计下,Claude Code 驱动 Claude Opus 5 的 OpenRUA 在 CaP-Bench 上成功率为 99.0%,在 LIBERO-PRO 上为 87.0%。 该结果表明现成编码智能体可通过机器人原生接口充当零样本视觉运动策略,无需定制原语或任务特定训练,从而回应了“额外 harness 工程是否必要”这一问题。 摘要报告了两个具名基准上的成功率数值;未提供样本量、重复次数或统计不确定性信息。
分析揭示编码智能体的涌现行为:感知方面,智能体在 96.80% 的回合中自发编写程序处理原始传感输入并推导度量测量;操作方面,在 95.87% 的回合中自发构建运动控制客户端(如夹爪控制),在 50.13% 的回合中构建闭环控制程序(如依据传感反馈调整运动)。 这些比例量化了在无专用原语、无工作流编排条件下智能体自发形成感知与操作程序的程度,补充了成功率之外的机制性观察。 摘要给出三项按回合统计的百分比;未说明回合总数、统计口径或置信区间。
启示与展望
该工作面向希望让编码智能体直接操作机器人而不再构建定制抽象层的研究者与工程师,适用设定是机器人暴露原生 ROS 2 接口、且可使用现成编码智能体(摘要中为 Claude Code 驱动 Claude Opus 5)。在此设定下,OpenRUA 提供了一条以 ROS 2 文档与基本工具为全部供给、由智能体自行组织工作的路径,其报告的成功率与涌现行为比例可作为后续在同类原生接口上复用该极简设计的起点。
摘要未说明 CaP-Bench 与 LIBERO-PRO 的任务构成、回合总数、评估协议与重复次数,也未给出与定制 harness 基线的直接对照数值,因此 99.0% 与 87.0% 的可比范围仍需在原文中确认。三项涌现行为比例(96.80%、95.87%、50.13%)的统计口径与判定标准同样未在摘要中展开。此外,摘要仅报告 Claude Code 驱动 Claude Opus 5 的结果,其他编码智能体或模型是否呈现相同行为与成功率,属于尚待观察的开放问题。由于本次仅依据摘要,图表与实验细节未纳入,上述数值的完整语境需以原文为准。
