机器人开始把自己的坑写成 Skill

英伟达 GEAR 实验室 10 月 16 日开源了 ASPIRE v1.0，传得最广的数字是 99%。这个数字最该被怀疑，也最该被读懂。

ASPIRE 全称 Agentic Skill Programming through Iterative Robot Exploration。它不训练策略网络——它给机器人一个大模型，让模型直接写普通的 Python 控制代码，跑起来看结果，失败了顺着轨迹回查，改代码，再跑。改对了的修复会写进技能库，变成可检索的条目。技能库才是产品，模型只是可替换的零件。

项目自报的成绩：

• LIBERO-Pro 80 项任务成功率 99%，Robosuite 与 BEHAVIOR-1K 的选取任务达到 100%。
• LIBERO-Pro 未见长程任务零样本 31%，此前方法约 4%。
• 技能库 90 多项 Skill、150 多个任务、18 个类别——抓取、导航、物体搜索、感知定位、双臂操作、失败恢复。
• 代码在 GitHub，Apache 2.0；论文 6 月 30 日提交 arXiv，合作方包括密歇根、UIUC、UC 伯克利、CMU。

真正该记住的数字是 15%

先把 99% 放一边。最值得采取行动的是另一组对照实验的结果。

在 LIBERO-Pro 的 10 项任务上，团队只换了底层语言模型——从便宜快速的换到前沿模型。成功率从 15% 跳到 99%。机器人一样、代码执行引擎一样、技能库一样，没有重训任何权重。

这一条重新定义了”机器人能力”这个词。如果一个六倍的提升来自一个跟机器人本身无关的组件，那在这套基准里，机器人从来不是瓶颈——写代码的推理引擎才是。

还有后半段，比那个标题更有用：团队公布了一条成本—成功率前沿曲线，并且直白地说明最贵的模型并不总是最划算的。按项目自报，Claude Opus 5.5 在部分机器人基准上略高于顶级 Astra，而 Sonnet 5.5 落在帕累托前沿上，单任务成本约 12 美元。要做部署的人该读的是这张表，不是那个 99%。

Jim Fan 把这个现象叫”0 到 1 海啸”，又叫”Physical Bitter Lesson”：在软件世界里学会的推理、编程、工具调用、长程规划能力，正通过这类框架进入物理世界。不管你接不接受这个说法，架构本身已经说明一件很具体的事：机器人的能力曲线，现在绑定在一个你无法控制的发布节奏上。

这套框架到底是什么

结构上是三件套，说它像”机器人版 Agent Harness”是准确的。

1. 闭环执行引擎。 每一次视觉调用、抓取候选、运动规划、碰撞反馈，都会留下带视觉证据的多模态轨迹。任务失败时，Agent 顺着轨迹往回查：物体认没认准、抓取点偏没偏、机械臂够不够得着、规划器给没给出一条走得通的路。这就是”报告失败”和”可以被调试”的区别。
2. 验证过的修复 → 技能库。 这是会沉淀下来的部分。抓取点启发式、感知提示、规划器选择、恢复流程，都存成可检索的单元，而不是留在某个研究员的实验记录里。英伟达给出的动机正是那个老问题：一次任务里摸索出来的东西，任务一结束就丢了，下次从零开始。
3. 候选程序的进化式搜索。 同时生成几套控制程序，让各自的失败记录互相参照，避免在一个错误方向上反复打转。机械臂连续几次抓不起地面上的罐子，它会试另一只手、改站位距离、换更重的规划器、从另一个方向接近。

公布的演示：机械臂在线学会拧魔方，边试边改自己的控制代码；桌面清理任务里，仿真中学到的技能迁移到另一台真机，明显减少了首次调试成功所需的推理 token。

采购方不该从这里拿走的四件事

99% 是仿真基准。 公告里的真机证据是少量演示——一个魔方、一张桌子。80 项任务那个数字是 LIBERO-Pro，在仿真里，由项目自己计分。它本身是个很强的结果，但它不是你那条产线的结论。

安全提示不是脚注。 英伟达自己的仓库写明：ASPIRE 执行大模型生成的 Python，拥有完整 import 权限，trial 进程与看门狗并不是安全沙箱。这句话要认真读——模型行为异常时，风险不只是抓歪一次，而是在控制机器人的那台机器上以真实权限执行任意代码。这在实验室可以接受，在生产线上——没有容器化、白名单和人在回路——是绝对不能接受的。

代码即策略，改变了你的验证义务。 如果控制程序是生成的而不是编写的，你要验证的产物就不再是一份固定程序，而是”一个程序生成器 + 一个技能库”。你的质量体系必须能回答：这一台上跑的是哪个版本的技能库、哪个模型、留下什么轨迹。PPAP 里目前还没有这一栏。

技能库是护城河，而且它是开放的。 这是战略上最有意思的地方。英伟达不卖机器人，它在发布别人家机器人运行的这一层。如果技能库成为持久资产，那么托管它的人就坐在安卓的位置上。Apache 2.0 让这件事可信，同时也让它很难筑墙。

为什么这周的四条消息是同一件事

亚马逊的 Whole-Body Dexterity（与 UCSD、密歇根合作）展示了同一转向的另一半：不比推理更强，而是比身体用得更好。把手臂和躯干当作接触面，让一台真实的 Unitree G1 在全身操作任务上从 4% 提升到 90%。这不是模型更聪明，而是”什么算操作”这个提法更好。

退货物流是这两个想法同时遇到付费客户的地方：Sereact 的 Cortex 部署在 Zalando 与 CEVA 的设施里，原因恰恰是退回的衣服没法预先编程，也没人付得起按 SKU 单独训练的成本。

资本跟了上来：具身大算力芯片厂商拿了约 17 亿元，一家成立五个月的关节模组创业公司拿了超亿元。钱在往”被认为稀缺的那一层”走——算力、关节，或者技能。这一周，三层都拿到了。

老实的总结

ASPIRE 真正留下来的贡献不是一个基准分数，而是证明了：机器人的能力可以在不动机器人的前提下提升，而且这种提升可以存成可检索、可迁移的文本，而不是权重。

对工厂来说，这是一种新资产，也带来一类新风险：它可以被审计、可以被阅读，它随着别人的发布节奏变强，而且它会执行你没有写过的代码。

延伸阅读

• 别只用手：全身灵巧操作——2026 年通往更好操作的另一条路。
• 退货比拣货难——”不做按 SKU 训练”如何变成一项业务硬要求。
• 200 小时变 1 小时：会自己写压装程序的齿轮箱工位——同一转向的工业版本，已经进入量产。
• 看不见的那几个小时：机器人调试成本到底多高——这套框架瞄准的那部分人力。
• Dream Labs：一小时 3 美元的机器人智能——卖能力而不是造能力的商业模型。

资料来源：ASPIRE v1.0 于 2026 年 10 月 16 日由英伟达 GEAR / NVlabs 以 Apache 2.0 开源；80 项任务 99%、零样本 31%、技能库 90+/150+/18 的统计、15% 到 99% 的换模型对照、Sonnet 5.5 单任务约 12 美元，均出自项目自报成果，经 Startup Fortune、TechMoon、AI Insider 报道；arXiv 论文（6 月 30 日提交）报告扰动测试下较最强基线最多高 77 个百分点。Whole-Body Dexterity 数据出自 arXiv 2610.22184（Amazon、UCSD、密歇根）。验证义务、安全与锁定效应的判断，为本刊分析。