Today, we give robots a /skills library that self-evolves and compounds indefinitely! Introducing AS...
TL;DR · AI 摘要
Jim Fan on X: "Today, we give robots a /skills library that self-evolves and compounds indefinitely! Introducing ASPIRE:...
核心要点
- 主题聚焦：Today, we give robots a /skills library that sel
- 来源：Jim Fan(@DrJimFan)，建议结合原文判断细节。
- AI 分析暂不可用，本条为保底评分与摘要。
Jim Fan 在 X 上的推文："今天，我们为机器人赋予了一个能够自我进化并无限累积的 /技能库！推出 ASPIRE：机器人解决第 100 个任务时，不再像解决第一个任务那样毫无头绪。编码代理通过观察模拟和真实机器人中的多模态感官轨迹，发起对控制程序的进化搜索，并将最佳经验提炼成一个不断扩展的库。ASPIRE 是一种新型的持续学习："训练" 是技能优化而非梯度下降，"训练模型" 是传感器运动技能的仓库而非浮动权重，"分布式训练" 是一组代理各自练习不同技能而非分片的小批量。其美妙之处在于：ASPIRE 为疲惫的术语 "sim2real transfer" 和 "cross-embodiment transfer" 赋予了全新含义。弥合模拟与现实之间的鸿沟历来异常艰难。端到端策略必须同时应对视觉差异（模拟画面在真实摄像头旁显得幼稚）和始终无法精确掌握的微妙接触物理。ASPIRE 绕过了这些混乱，因为它不跨鸿沟传输像素或权重，而是传输经验。机器人仍然需要在现实世界中练习，而非零样本，但因为它不是从头开始重新发现策略，所以能更快达到目标。同样，从单臂过渡到双臂硬件通常需要新数据和从零开始的再训练，ASPIRE 实现了高达 10 倍的 "迁移学习" token 减少（是的，token 是训练计算的新单位 ;) 请查看网站上我们展示的 150 多项任务和 90 多项机器人自主学习的技能！有点疯狂的是，我们能将 "学习权重" 作为 HTML 页面而非 GGUF 发布。我们将开源完整技术栈，让您的机器人库从我们的库开始累积！深入解析请看推文：
00:00
下午5:07 · 2026年6月30日
156.9K
次浏览
5
55
2
0
9
209
1
.
K
1.5K
1.1K
阅读 55 条回复 / X
Jim Fan
@DrJimFan
今天，我们为机器人赋予了一个能够自我进化并无限累积的 /技能库！推出 ASPIRE：机器人解决第 100 个任务时，不再像解决第一个任务那样毫无头绪。编码代理通过观察模拟和真实机器人中的多模态感官轨迹，发起对控制程序的进化搜索，并将最佳经验提炼成一个不断扩展的库。ASPIRE 是一种新型的持续学习："训练" 是技能优化而非梯度下降，"训练模型" 是传感器运动技能的仓库而非浮动权重，"分布式训练" 是一组代理各自练习不同技能而非分片的小批量。其美妙之处在于：ASPIRE 为疲惫的术语 "sim2real transfer" 和 "cross-embodiment transfer" 赋予了全新含义。弥合模拟与现实之间的鸿沟历来异常艰难。端到端策略必须同时应对视觉差异（模拟画面在真实摄像头旁显得幼稚）和始终无法精确掌握的微妙接触物理。ASPIRE 绕过了这些混乱，因为它不跨鸿沟传输像素或权重，而是传输经验。机器人仍然需要在现实世界中练习，而非零样本，但因为它不是从头开始重新发现策略，所以能更快达到目标。同样，从单臂过渡到双臂硬件通常需要新数据和从零开始的再训练，ASPIRE 实现了高达 10 倍的 "迁移学习" token 减少（是的，token 是训练计算的新单位 ;) 请查看网站上我们展示的 150 多项任务和 90 多项机器人自主学习的技能！有点疯狂的是，我们能将 "学习权重" 作为 HTML 页面而非 GGUF 发布。我们将开源完整技术栈，让您的机器人库从我们的库开始累积！深入解析请看推文：
https://t.co/57JC05VN54