近日，Manifold AI流形空间登顶机器人学习基准RoboDojo榜单（Agent Track），超越 GPT-6-Astra、英伟达 GR00T-N1.。其 WorldScape R²SI系统超过GPT-6-Astra、英伟达 GR00T-N1.7等模型，位列总榜第一。
三个月前，Manifold AI已发布具备上下文学习（In-Context Learning，ICL）能力的世界动作模型WorldScape Policy 2.0，探索让机器人不重新训练模型，仅通过一次人类示范就完成新任务。随后，Generalist AI和Skild AI也相继官宣了各自具备上下文学习能力的具身模型Gen-1.5 与S1。
随着机器人开始从示范中学习，一个进一步的问题随之出现：执行过程中产生的经验，能否继续推动能力提升？
一次示范解决的是机器人如何适应新任务，执行之后的经验能否留下来，决定了它能否继续改进。
围绕后一个问题，Manifold AI提出了WorldScape R²SI（Recursive Robot Self-Improvement，机器人递归自进化）框架。它通过内外双层Agent系统完成任务复盘、技能修正和经验积累，让有效经验进一步推动机器人模型和系统的双重自我改进。
从WorldScape Policy到R²SI，这家公司正在将示范学习与执行后的改进连接起来。此次登顶 RoboDojo，是这条技术路线交出的一份阶段性答卷。
Manifold AI（流形空间）专注于新一代世界模型与具身智能体研发，技术积累来自清华 FIB 实验室及此前推动世界模型落地的产业团队。世界模型是这家公司技术路线的起点。 在此基础上，公司发布了同时具备移动与操作交互能力的实时通用世界模型 WorldScape，并进一步构建机器人世界动作模型 WorldScape Policy。此次登顶 RoboDojo的 R²SI，则将这条路线延伸到了执行经验驱动的持续改进。
01 登顶背后，两项技术分别解决“怎么学”和“怎么改”
RoboDojo面向机器人操作能力，覆盖双臂操作、长程任务、记忆、泛化和精细操作等维度。系统需要在任务规定的原生动作步数限制内取得有效进展，完成任务的效果与执行效率都会受到检验。
WorldScape R²SI此次登顶，背后有两项核心技术支撑。
一项是ICL：机器人不进行后训练，通过一次人类示范学习新任务。 另一项是R²SI：连接任务执行、经验复盘与技能更新，让机器人在多次执行中持续改进。
两者处理的是机器人进入真实场景时相互关联的问题。新任务出现后，系统需要快速调用已有能力；执行出现偏差后，系统又需要知道该改哪里，并将有效修改保留下来。
最终目标是让机器人更有效地利用已有能力、应对变化，减少遇到新情况时从头探索的需要。
02 三个月前，从一个问题出发：机器人能不能看一遍就会？
今年7月发布WorldScape Policy 2.0时，Manifold AI提出了一个问题：面对新任务，机器人能否不重新训练模型，仅看一遍人类示范就完成任务？
这个问题来自真实世界的日常变化。指令可能模糊，操作物的颜色、形状和位置可能改变，多个任务可能随机组合，环境还可能在执行过程中继续变化。
机器人通常需要额外采集数据，再进行训练或微调，才能适应这些情况。ICL 将人类示范作为上下文，让模型在执行阶段利用示范适应新任务，无须改变模型参数。
WorldScape Policy 2.5，一次示范泛化多种全新任务
在后续的 WorldScape Policy 2.5 中，这种能力被进一步放到动作迁移、技能组合和长程任务中检验。
首先是动作迁移，操作物变了，动作仍然能够复用。
观看印章操作示范后，机器人将“盖章动作”迁移到了不同颜色和形状的新印章，以及不同位置、不同材质的落款页。
这要求模型从示范中提取可以迁移的操作方式，再根据当前物体和环境调整执行。它需要超越对某个物体和固定动作轨迹的简单记忆与模仿。
其次是技能组合，让多个操作阶段衔接起来。
从拿起鞋子到松开鞋带，任务涉及多个连续的操作阶段。机器人需要根据当前观察调整行为，协调各阶段的操作。
单个动作掌握之后，如何根据新的任务要求组织这些动作，仍然是一项独立的能力。前一阶段的执行结果，也会成为后一阶段决策的依据。
第三是零样本学习长任务，让系统记住已经发生了什么。
长程任务的难点在于，前一步的结果会影响后续任务。机器人一旦丢失任务进度，或者没有及时处理环境变化，执行就可能中断。
为管理这些信息，Manifold AI在WorldScape Policy中引入了视觉记忆与事件记忆机制，帮助系统保留环境变化、任务进度等关键信息。
根据 Manifold AI 展示的实验结果，面对预训练中的已知任务，上下文学习模型的表现已显著超过对照 VLA 模型；进一步面对未知任务时，两者的成功率差距甚至达到数倍。
不同训练任务数量ICL/VLA模型成功率对比
03 R²SI：把执行中的经验变成下一次的能力
机器人执行一次任务，会产生大量可以用于改进的信息。
抓取失败，可能需要调整接近方向；推移未达预期，可能需要改变接触高度；任务虽然完成，却耗费了过多动作步数，也意味着策略仍有优化空间。
这些信息如果只停留在单次执行中，下一次任务开始时，机器人仍然可能重复犯错。
在Manifold AI看来，从持续执行中积累经验、提升能力，是支撑具身智能应对真实世界任意任务的一项本质能力。 R²SI 围绕这一问题，将执行、复盘、修正和经验积累组织成一个闭环。
这套系统由内外两层 Agent 构成：内层负责执行，外层负责改进。
内层 Robot Agent 以多视角 RGB 图像、机器人本体状态、任务描述与回合记忆作为上下文进行决策，并通过按任务加载的 Skill 执行任务。
调用 reactive model（WSP）本身也是一项 Skill。加载后，Robot Agent 依据观测调用该模型；模型执行一个动作块后，即交还控制权，Robot Agent 再根据新的观测决定下一步。
外层 Recursion Agent 跨轮次复盘执行记录，修订 Skill，并以 Harness 更新的形式作用于内层。对于使用 reactive model（WSP）的任务，外层还会将执行记录组织为训练数据，训练并更新该模型。
各类更新均须通过测试，才能自动发布并纳入版本管理。 执行产生经验，经验形成修改，修改经过验证后再进入执行，构成了 R²SI 持续改进的基本过程。
从 723 步超预算，到 389 步完成，改进具体发生在哪里？
在RoboDojo的push_T任务中，机械臂需要将T形物体沿桌面推入目标区域，使位置、朝向与接触状态同时满足要求，并在600个原生动作步数内完成任务。该任务不使用reactive model（WSP）。
首轮执行并不顺利。Robot Agent采用的夹持方向与任务不相适配，平移过程中又同步转向，导致物体发生明显偏转。对齐完成后，夹爪一次性释放，再次使物体偏离目标位姿。整轮执行耗用723步，超出预算。
外层Recursion Agent根据执行记录修订Skill，修改落在了三个具体环节：调整夹持方向；将平移与转向解耦，先平移、后分段转向；分阶段释放夹爪，并逐段检查物体是否偏移。
修订版本通过测试后，自动发布至内层Robot Agent。更新后的Skill首次在预算内取得原生满分，耗用596 步。后续迭代又将同一布局下的原生动作步数降至389，较596步下降约35%。
此后，该 Skill冻结，外层停止更新。内层Robot Agent以RGB图像与公开的机器人状态作为观测，在push_T的三种随机布局上自主执行，分别以222、312、256步完成任务，均取得原生满分，且均未超出600步预算。
这个案例展示了R²SI对Skill的改进路径：从失败中定位具体问题，将修改写入技能，再检验更新后的技能能否用于后续执行。
装箱任务则展示了另一条路径，改进进一步进入动作模型。
任务切换至装箱后，外层Recursion Agent为内层加载调用reactive model（WSP）的Skill。Robot Agent依据观测调用该模型，模型执行一个动作块后交还控制权，Robot Agent再依据新观测决定下一步，如此往复。
外层 Recursion Agent 随后将执行记录组织为训练数据，训练 reactive model（WSP），更新后的模型继续供内层调用。该模型既承担执行，也能在外层 Agent 的训练下持续改进。
在这两条路径中，内层通过Skill执行任务，调用reactive model（WSP）是其中一种方式；外层持续改进Skill与reactive model（WSP），让试错经验沉淀为可复用的能力。
R2SI 双层 Agent 任务实例
04 从榜单成绩到通用能力，下一步要看真实场景
回看ICL模型发布后的三个月，WorldScape Policy从2.0探索通过一次示范学习新任务，到2.5探索动作迁移、技能组合与长程执行，Manifold AI持续研究的是机器人如何在复杂操作中利用观察、示范与记忆。
WorldScape R²SI则进一步连接了执行与经验改进：提炼技能、验证修改，并探索Agent与动作模型的协同进化。
这条技术路线的意义，在于让机器人既能利用已有能力适应变化，也能将执行结果转化为后续改进的依据。随着任务持续发生，经验能否积累、改进能否复用，将直接影响机器人在真实场景中的表现。
登顶RoboDojo，是Manifold AI这一系列探索的阶段性成果。下一步，这套从示范学习到递归自进化的技术框架，将在实际落地中接受进一步检验。
