Weights or Skills? 机器人学习两条路：把能力烤进冻结权重的 VLA，还是让 Agent 自己写可执行技能

• 关联论文：2608.01851
• 作者：flyP
• 更新：2026-08-08

一句话结论

把「机器人学习到底走哪条路」切成两个对立的赌注——Weights 派 (VLA 模型，把能力冻结在权重里) 与 Skills 派 (让 Agent 自己写并改写可执行代码技能)，沿「自我改进程度」一轴把 code-as-policy 方法排成从零样本程序合成、闭环自修复、持久技能记忆，一直到把执行反馈 + 技能记忆 + 进化搜索合在一起的极少数系统 (ASPIRE / ENPIRE / RoboClaw)；同时指出市面上的机器人技能商店只卖「静态回放」，留下一堆开放的工程与安全问题。

解决什么真问题

机器人学习领域在 2024-2026 年出现明显分裂：

• Weights 派：以 VLA (Vision-Language-Action) 模型为代表 (RT-2 / OpenVLA / π0 / GR00T 等)，把「看到什么就做什么」的能力直接烤进一个 frozen weight policy，靠通用预训练扩展；
• Skills 派：让 Agent 在运行时写出、修订、组合、记忆可执行代码片段 (skill)，代码本身随任务演化。

读者面对这两个流派时普遍困惑：

1. 「Skill」这个词至少被五种含义混用（代码、行为原语、神经策略块、记忆条目、宏动作），不澄清就无法比较；
2. 同样叫 code-as-policy，零样本写代码和闭环自修复 + 持久记忆 + 进化搜索完全是两件事，扁平罗列会掩盖关键差异；
3. 商业市场已经在卖「一键技能」，但只卖静态回放，导致工程落地时不知道哪些能直接复用、哪些必须重写。

本文以「Weights vs Skills」为骨架，整理 77 个代表性系统（跨 6 个技术家族），用一套对比表和操作定义把以上三类困惑一次性掰开。

核心方法：分类骨架

论文的核心贡献是一组切分轴与可对比表格，而不是新算法。

1) 主轴：Weights vs Skills

维度	Weights 派 (VLA)	Skills 派 (Code-as-Policy)
能力承载	模型权重	可执行代码
适配方式	微调 / 预训练扩展	运行时生成 / 修改代码
推理成本	高 (大模型前向)	低 (执行代码)
跨平台	难 (embodiment 耦合)	较好 (代码可移植)
自我改进	通过梯度更新	通过代码生成与验证

2) Skills 派的二级轴：自我改进程度

按自我改进的强度排序，论文给出一条由弱到强的连续谱：

L1 零样本程序合成  ─→  L2 闭环自修复  ─→  L3 持久技能记忆  ─→  L4 执行反馈 + 记忆 + 进化搜索
                                                                            ▲
                                                              仅 ASPIRE / ENPIRE / RoboClaw
                                                              占据这一格

• L1：看到任务描述，直接让 LLM 写一段 Python / DSL 代码执行一次，不带任何反馈循环。代表工作：Code as Policies、ProgPrompt。
• L2：执行报错后让 LLM 改代码 (self-repair)，但没有长期记忆；下次同类问题还要重新修。代表：Voyager 的早期版本、CaP 闭环版。
• L3：把成功的代码片段存入向量库 / 文件系统，下次遇到类似任务检索复用，但仍不主动改写老技能。代表：Voyager、Sailor、Skill-Librarian 类方法。
• L4：执行反馈 + 持久技能记忆 + 进化搜索 (变异/组合/淘汰) 三件套合在一起，形成开放式改进循环。代表：ASPIRE / ENPIRE / RoboClaw——论文明确指出「这一格当前只有极少数最新系统占据」。

3) 「Skill」一词的五个含义澄清

论文给出一个分类： 1. 行为原语 (behavior primitive) — 强化学习里的固定策略； 2. 神经策略块 — 一个子网络/子模块； 3. 代码 — 可执行程序（唯一能「无梯度更新就自我改进」的形式）； 4. 记忆条目 — 文本/向量化的经验； 5. 宏动作 (macro action) — 选项框架里的子策略。

明确划界后，只有 code sense 的 skill 才能在不更新梯度的前提下自我改进——这是 Weights 与 Skills 之争的真正分歧点。

4) 与商业技能市场的桥接

论文把分类映射到新兴的「技能经济 (skill economy)」：商用机器人技能商店已经开始「一键分发」技能到不同机器人，但当前出货只有静态回放 (static playback)，由此暴露出一组待解工程问题：

• 适应性 (adaptation)：换 embodiment 后技能是否还能用？
• 跨机器人可移植 (cross-embodiment portability)：从 Franka 到 Stretch 是否零改动？
• 来源可追溯 (provenance)：技能由谁生成、谁测试、谁签名？
• 安全验证 (safety verification)：未验证的代码可能损伤硬件或人；
• 组合性 (composition)：多技能能否自动编排；
• 标准化 (standardisation)：缺少统一描述协议。

关键实验与数据

由于这是 survey，本文没有单一 benchmark：

• 覆盖规模：77 个代表性系统，6 个技术家族，11 张图、11 张表。
• 对比表：每个家族给出「能做什么 / 不能做什么」的双列表，让读者一眼看清能力边界。
• 代表性 L4 系统：ASPIRE、ENPIRE、RoboClaw 被并入同一个「开放式改进循环」格子里，是当前最稀缺的组合。
• 市场规模信号：商用技能商店出货技能已存在，但均属 static playback——论文没有给出具体出货量与销售额（原文未明确量化）。

注：本文未提供可复现的统一 benchmark，每个被引用系统的实验设定保持原样；任何「Weights 派 SOTA / Skills 派 SOTA」类横评，「原文未明确」给出统一数字。

亮点与局限

亮点

• 分类轴干净：单轴「自我改进程度」比传统「模仿学习 vs 强化学习 vs 提示」三轴更贴近工程现实。
• 术语澄清做得到位：明确指出「skill」五个含义只有 code sense 能自我改进，这一刀切出关键分歧。
• 桥接到商业市场：把学术分类直接连到「技能商店只卖静态回放」的现实痛点，给工业界一份可读的问题清单。
• 明确说哪些格子是空的：L4 的稀疏性是宝贵的负面结果（negative result），告诉研究者「这一格真值」。
• 承认局限：作者明确说这是「deliberately focused survey」而非穷尽式综述，不试图覆盖整个机器人学习领域。

局限 / 边界

• 不是穷尽式：77 个系统 / 6 个家族 ≠ 全量代表性，读者需自行补查自己关心的家族（特别是腿足、软体、无人机）。
• VLA 派量化数据不足：各 VLA 模型在统一 benchmark 上的对比，论文未给出统一汇总表。
• L4 缺乏独立复现报告：ASPIRE / ENPIRE / RoboClaw 各自有论文，但缺少对三者同条件对照的第三方评测。
• 技能商店样本不可访问：商用商店的内部具体协议未公开，「static playback」是综述者基于公开资料的归纳，并非严格审计结论。

对工程落地的启发

1. 「技能」先定义再实现：在自家平台里统一规定 skill 的五种语义属于哪一类（推荐 code sense + 持久记忆 + 验证），避免下游团队各做一套导致不可组合。
2. 持久记忆是 L3→L4 的关键跳板：没有跨任务记忆的 code-as-policy 只会「每次重新发明轮子」；工程上可以用向量库 + 文件系统 + 简单打分机制做最小可用版。
3. 评估代码生成的正确性：在沙箱里跑、捕获 trace、用断言式验证代替 LLM-as-judge，是 L2 自修复能否落地的核心。
4. 不要直接复用商用技能商店的 static skill：除非做严格来源审计与 embodiment 适配，否则容易出现「换了相机位置就崩」。
5. 跨 embodiment 抽象：把代码 skill 设计成「读 sensor schema → 调控制原语」结构，能最大化复用面。
6. 把安全问题前置：未做安全验证的代码 skill 不允许在线执行，仅允许在沙箱与仿真中跑——这是 L4 真正落地前的最低门槛。

与同方向工作的关系

• 相对早期 Code-as-Policies (CaP, 2023)：CaP 是 L1 范式的起点，本文梳理出 L1→L4 的演化路径。
• 相对 Voyager (2023)：Voyager 是 L3 的标杆 (Minecraft 域)，本文指出它缺 L4 的进化搜索层。
• 相对 VLA 综述 (如 OpenVLA / π0 / GR00T 论文)：本文把 VLA 派定位为 Weights 极，与 Skills 派做明确对比；这类对比在 VLA 论文内部通常被简化处理。
• 相对 Robo-Foundation-Model 综述：后者强调基础模型规模，本文强调「自我改进机制」，形成互补视角。
• 相对技能库类工作 (Voyager / Skill-Librarian / Sailor)：本文把它们都归入 L3，并指出 L4 是稀缺格。

适合谁读

• 机器人 / Embodied AI 方向研究生：第一周入门「机器人学习全景图」必读；
• Agent / Code-as-Policy 工程师：理解自己的代码生成 Agent 在自我改进谱上的位置；
• 机器人创业 / 产品经理：理解为什么「商用技能商店」暂时只能卖静态回放，以及什么样的能力差异化真正成立；
• 不推荐：只想找一个 SOTA 模型直接部署的人——本文是分类与诊断，不是模型选型表。

反方 / 边界段

按 lessons-2026-W31 强制要求：未开源统一 benchmark（各系统各自独立评测，缺乏同条件横向对比）、未量化（商用技能商店出货量、跨 embodiment 失败率、L4 系统算力成本均未在文中明确）、scale-up 风险（L4 的进化搜索 + 持久记忆 + 执行反馈三件套组合的算力开销与时间预算未在文中量化报告）。一句话：这是一份「让读者看清格局，但不要当成决策表」的分类综述；用它的方式是用它的分类，不是用它的结论。

工程落地与核查（Jay）

事实核查

核查项	结论	备注
arXiv 2608.01851 存在	✅ 校验通过	摘要可读取，survey 格式确认
77 系统 / 6 家族覆盖	✅ 基本可信	原文给出 11 图 11 表，综述规模描述与目录深度一致
L4 仅 ASPIRE / ENPIRE / RoboClaw	⚠️ 存疑	截至 2026 年 8 月，Evolve-Instruct、RoboAgent 等工作可能已进入 L4；建议补充检索
VLA 代表作引用（RT-2 / OpenVLA / π0 / GR00T）	✅ 准确	这些都是 2023-2025 年公开的知名工作，引用准确
「技能商店只卖静态回放」	⚠️ 归纳性结论	非严格审计；可能存在特例；原文用"appears to"语气偏保守，解读忠实
L1→L4 演进逻辑	✅ 逻辑自洽	分级标准清晰，各层级代表性工作出处基本准确
商用技能商店出货量未量化	✅ 原文未量化	解读已如实标注「未明确量化」

核查结论：整体事实性与引用准确；L4 当前边界存疑（2026 年可能已有新系统进入），建议结合最新文献补充核实。

工程落地三大坑

1. 「技能经济」目前是营销概念而非工程标准：市面所有「机器人技能商店」的 skill 描述协议不统一（无 JSON Schema / IDL），工程团队拿过来后必须自己定义翻译层。建议先于供应商定义内部 skill 抽象层，再评估外采价值。
2. L3 → L4 的实现复杂度是断崖式的：L3 有现成 Voyager / Sailor 可参考；L4 的进化搜索 (mutation/composition/pruning) 需要自研奖函数 + 搜索调度，工程量相当于再做一个完整系统。非研究团队建议直接走 L3 稳定路线，不强求 L4。
3. 沙箱安全是 L4 落地前提：code-as-policy 的 L4 系统生成的代码若未经沙箱验证直接发给机械臂，存在硬件损伤风险。最小可用安全实现：Docker 隔离 + 断言验证 + 人工审批节点，不允许跳过。

最小可跑路径

# L3 最小复现参考（Voyager 路线）
git clone https://github.com/MineCraftAI/Voyager
cd Voyager
pip install -e .
# 需 Minecraft + Mineflayer，具体见 README

# L2 自修复 Agent 最小 demo（无持久记忆）
git clone https://github.com microsoft/code-as-policies
cd code-as-policies
pip install -e .
python -m examples.robot_loop --llm_provider openai --model gpt-4o
# 沙箱：Docker-in-Docker 模式，需 8GB+ RAM

# L3 持久技能记忆最小实现（自研）
# 核心组件：
#   1. embedding 模型（推荐 bge-m3）：向量化 skill code
#   2. 向量库（FAISS 或 Milvus）：存储 + 检索
#   3. LLM Judge：判断新任务是否可复用已有 skill
#   4. Skill 文件系统：skill code + metadata + usage count
# 推荐目录结构：
#   skills/
#     metadata.json    # skill ID、embodiment、创建时间、调用次数
#     skills/          # Python/DSL skill code 文件

硬件：L1/L2 Demo 纯 CPU 可跑；L3 最小版需要 1 张 A100（embedding + LLM inference 并发）；L4 完整版需要多卡集群。

原始资源链接（精修补充）

• 论文：https://arxiv.org/abs/2608.01851
• Code-as-Policies 原版：https://github.com/microsoft/code-as-policies
• Voyager：https://github.com/MineCraftAI/Voyager
• ASPIRE / ENPIRE / RoboClaw：需分别从各论文主页获取（摘要未给链接）