链接: https://x.com/_akhaliq/status/2110057543305396244 分类: x-tips 来源: X 账号 @_akhaliq 作者: Jay 更新日期: 2026-10-15 仓库: （未检索到官方代码仓库；arXiv 页面未见 GitHub 链接）
Embodied Turing Machines：机器人递归自我改进的代码策略
这是什么
Embodied Turing Machines: Stateful Code for Robot Recursive Self-Improvement 是 2026 年 10 月arXiv 提交的一篇技术报告（arXiv:2610.12369，cs.RO），作者为 Kairui Hu、Siyuan Hu、Fangzhou Hong、Zhaoxi Chen、Ziwei Liu。
核心主张：将机器人及其环境建模为"具身图灵机"（Embodied Turing Machine）——世界状态是"纸带"，机器人策略是固定规则。若状态能被精确表示，决策可完全用代码实现，无需 VLM/VLA 模型参与推理。
在此框架下提出 Code-Only-as-Policy（COAP）：代码从相机图像和本体感知中测量并跟踪机器人、环境和任务状态，全部决策由代码完成，测试时无模型参与。同一套代码跨任务复用，83% 的新任务代码来自共享库。
核验来源
| 项目 | 内容 |
|---|---|
| X 原帖 | https://x.com/_akhaliq/status/2110057543305396244 |
| 论文 arXiv | https://arxiv.org/abs/2610.12369 |
| HuggingFace 论文页 | https://huggingface.co/papers/2610.12369 |
| 作者团队 | Kairui Hu、Siyuan Hu、Fangzhou Hong、Zhaoxi Chen、Ziwei Liu |
| 提交时间 | v1：2026 年 10 月 8 日（arXiv）/ 10 月 9 日（HuggingFace） |
| 页数/图表 | 31 页，19 图 |
| 学科分类 | cs.RO、cs.CV |
| 代码仓库 | 未检索到（arXiv 页面未见 GitHub 链接；本次搜索未命中任何同名官方仓库） |
⚠️ 不确定项：作者团队隶属具体哪个实验室/机构，论文摘要页未见 Affiliations 说明，无法确认来源背景。
核心概念拆解
具身图灵机类比
图灵机由纸带（存储符号）和固定规则组成；COAP 将物理世界对应为： - 纸带 = 机器人状态（臂姿态、可达空间）+ 环境状态（物体位姿及空间关系） - 规则 = 机器人策略代码
两类状态均可精确观测：机器人状态通过本体感知直接获取，物体位姿通过 RGB 图像 + 已测几何信息恢复。
三种策略范式对比
| 范式 | 状态表示 | 决策方式 | 可解释性 |
|---|---|---|---|
| VLA | 隐式（权重内） | 模型推理 | 低 |
| Agent Harness（Agent-as-Policy / Harness VLA） | 部分显式（如文本记忆） | VLM 黑盒 + VLA | 中 |
| COAP（本文） | 完全显式（代码变量） | 代码逻辑 | 高 |
COAP 三大优势
- 显式状态：状态存储在代码变量中，精确、持久、可审计。
- 可控执行：代码提供细粒度控制，支持失败回退和重试；在线运行快速且成本低。
- 可扩展性：新任务复用、继承或扩展共享库，83% 代码来自库而非新写；适合递归自我改进（RSI）——编码智能体在闭环中开发库，每次变更显式可控。
关键数字（来源：论文摘要/arXiv HTML 页面）
- RoboDojo 42 双臂任务上的测试成功率：70.24%（无模型，测试时）
- 83%：新任务运行的代码来自共享库的比例
- 编码智能体：论文中用于开发代码库的是 Opus 5.5 Max
⚠️ 未确认项：上述 Opus 5.5 Max 的具体版本/配置、RSI 闭环的设计规则细节（如"No hack for single episodes"具体定义），需要阅读论文第 4 节才能确认。
上手步骤
1. 阅读论文
- 优先阅读 Abstract + Introduction（~4 页），理解核心类比和 COAP 定位。
- 重点读第 4.3 节（三大优势分析）和第 4.4 节（RSI 闭环设计）。
2. 了解评测基准
- RoboDojo：论文使用的双臂机器人任务套件，共 42 个任务。
- 该基准非本文提出，来源于另一篇文献（论文 [7]），需另行溯源。
3. 关注实验结论
- COAP 达到 70.24% 成功率（无模型），对比其他 VLA 方法有显著提升。
- 上限在于状态表示的精确程度和代码逻辑的鲁棒性。
4. 追踪代码仓库（待发布）
- 本次搜索未命中任何与论文同名的官方 GitHub 仓库。
- 建议订阅 arXiv 页面或联系作者确认代码公开计划。
适用边界
| 适用 | 不适用 |
|---|---|
| 状态可精确测量的机器人任务（位姿感知完备） | 状态难以传感的环境（柔软物体、透明物体遮挡） |
| 需要可解释、可审计决策逻辑的场景 | 需要通用泛化到未知任务的场景 |
| 适合编码智能体辅助迭代开发 | 仅靠论文描述无法直接复现（缺代码、缺基准细节） |
限制与不确定处
- 代码仓库缺失：本次搜索未找到官方代码仓库，无法验证实现细节。
- 机构背景不明：作者 affiliations 未在摘要页确认。
- 具体实验配置：Opus 5.5 Max 使用方式、RSI 闭环规则、RoboDojo 任务定义细节均需阅读全文。
- 70.24% 数字来源：该数字来自论文摘要，RoboDojo 基准的完整任务列表和评测协议需另行确认。