机器人智能体与策略不再各练各的:RoboCoEvo 让失败程序反过来训练 VLA,三轮基准成功率持续上升
RoboCoEvo 把机器人智能体与视觉-语言-动作(VLA)策略的改进接成闭环:智能体把反复出现的失败归成失败模式,为每种模式写一个可复用的检测器和恢复程序,用这些程序在失败状态及其扰动副本上生成纠正数据,再以 DAgger 式后训练写回策略参数。策略更新后失败分布改变,又反过来指导下一轮程序修订。在 BEHAVIOR-1K、RoboTwin 和 RoboCasa 上,两轮共进化后成功率分别从 0.23 升到 0.34、从 0.79 升到 0.93、从 0.79 升到 0.91。