具身RSI新突破：Recursia零样本长时机器人操作超英伟达ASPIRE 10个点

把碗放到盘子上，再抓起杯子放进刚刚移动过的碗里——对人来说是顺手收拾桌面，对机器人却是一个被前一步动作改写过的世界。碗的位置变了，机械臂姿态变了，接下来可能看不清、抓不稳或放不准。这正是组合泛化最尴尬的地方：单项技能已经相当可靠，串起来却会崩。

Recursia 的切入点不是再训练一个更强的策略，而是追问改进本身如何被组织。它把系统拆成内外双层循环：内层 Agent 负责当前任务中的观察、决策和代码执行；外层 Agent 汇总执行经验，提出、验证并保留对共享栈的修改，让有用的改变进入后续循环。

这里需要先厘清一个口径问题。文章采用的是更严格的 RSI 定义：改进不仅要沉淀为可复用的记忆、技能或工具，还应增强系统发现、设计和验证下一轮改进的能力。换句话说，真正的递归自我改进问的是“AI 能不能改进那套改进 AI 的机制”，而不只是“这次任务做得更好了”。这个区分决定了后面所有数字该怎么读。

内层架构决定机器人在一项任务里如何行动，也构成外层改进后实际部署的执行系统。Recursia 比较了三种设计：规则驱动（预设规则组织高层行动，运行中不依赖大模型反复读取新结果）、one-shot（先生成任务程序再执行，程序内部可含观察、条件分支和有限重试）、以及在线闭环（读取新的观察和执行结果来决定下一步）。

在同一个 N=13 冻结共享栈上，三种架构在 Pos 和 Task 两个扰动方向各评测 50 个匹配回合。Task 扰动下成功率从规则驱动的 24% 提高到 one-shot 的 30%，在线闭环达到 32%；Pos 下则分别为 12%、16% 和 16%。这组对照支持一个判断：执行反馈参与高层决策是有收益的。

收益不是免费的。Task 扰动下，one-shot 与在线闭环的平均端到端耗时分别为 5.95 和 7.15 分钟。也就是说，让模型“边做边想”换来了成功率，也换来了时间成本。这个权衡在后面的效率讨论中会再次出现。