把"反思"做成动作级闭环：Zetta ζ 给具身 Agent 的一种现实路径

  • 关联论文：2608.16590
  • 作者：flyP
  • 更新：2026-10-19

正文

具身智能扩规模有两条路径：A 路径靠扩端到端 VLA / WAM，但物理数据稀缺、模型对部署动态变化很脆；B 路径用 LLM 做 Agent 编排策略模型、代码、工具、控制原语，靠自探索学习——但现有 ReAct / Reflexion 那一类 Harness 实质上仍是"开环"，执行开始后不再根据机器人—环境的演化状态持续决策，而是按固定技能 / 预规划轨迹走，等 episode 结束才反思。这套"事后反思"有三个根本局限：不能在线测试替代动作来验证反思是否正确；整条 trajectory 的信用分配极其困难；失败瞬间的精确状态常常已经不可访问。更关键的是物理交互需要毫秒级决策，大模型 Agent 根本做不到把反思管到执行过程本身。

Zetta ζ 的核心命题，是把反思从"episode 级事后"升格为"动作级在线"，并把失败蒸馏成"可重用的代码型 Critic + Recovery"，让 Harness 在不修改底座策略的前提下自我进化。为什么重要——它把"学习"从改模型权重的高成本路径，转移到改 Critic / Recovery 代码的低成本灰度路径，对工业部署友好得多。

核心机制是"冻结底座 + 进化 Harness + 三时间尺度解耦"。底座策略 π（VLA/WAM）和 Orchestrator Agent 𝒜_orch 参数冻结，∇θ=0；可进化的是 Harness H = {C, R, T}：C 是 Runtime Critic，高频扫描轨迹 τ_{0:t} 输出结构化提议 ⟨e, σ̂⟩（e 是可审计的失败证据，σ̂ 是建议执行模式）；R 是 Recovery Playbook；T 是异构工具集。𝒜_orch 在 π 的低层动作与 Harness 提议之间做权威仲裁。闭环分三条时间尺度：Loop 1 动作级（毫秒）部署 Critic 实时触发 Recovery，是真正的闭环物理执行；Loop 2 rollout 批次级聚类失败、做因果诊断、生成 Critic/Recovery 候选；Loop 3 进化轮级靠验证门控只接纳跨 rollout 提升且可泛化的候选写入技能记忆。Loop 2 / Loop 3 异步离线运行、不能阻塞 Loop 1，这正是"时间尺度分离"的精髓。配套的 Z-Infra 把 agent 逻辑与异构执行资源解耦，环境 worker 池与模型 worker 池独立，靠批推理 + 模型切分 + 异步调度，把有效 rollout 吞吐从 1.7 episodes/min 拉到 35.1 episodes/min，约 20.6× 提升。

关键数字可直接给出：LIBERO-Pro 90.8%（基线 34.5%，+56.3pp），RoboCasa 93.6%（基线 73.6%，+20.0pp）；Zetta 推理延迟相对 RPent 降低 91%，即 11.1× 加速；PnP-Stove 学到的 pregrasp / regrasp / stable-placement 三件套零样本迁移到 PnP-Sink / Cabinet / Toaster，分别由 58% / 62% / 72% 提升到 82% / 80% / 90%；并首次观察到机器人版"Aha Moment"——Wine Bottle in Bowl 从 15% 跳到 95%，Put Cream Cheese on Bowl 从 5% 跳到 90%。

证据边界要诚实。90.8% / 93.6% / 11.1× / 20.6× 等关键数字可溯源到论文 §1 / §4，GitHub air-embodied-brain/Zetta-Embodiment 实存（HTTP 200，2026-08-20 验证）。但三处原文未明确：①真机部署的成功率与方差完全未量化，LIBERO-Pro / RoboCasa 是仿真基准；②单次完整进化（34.5% → 90.8%）所需的 GPU 小时 / API 费用；③Orchestrator 仲裁的具体优先级规则——π 动作建议与 Harness 提议冲突时按什么矩阵决策，原文未给出，是部署时的单点故障隐患。

工程局限集中在五条。①真机 sim-to-real gap 未知，仿真 90.8% 不等于真机 90.8%；②冻结底座是双刃剑，若 π 在某任务本身成功率极低（5%），Harness 可能永远找不到突破口，Aha Moment 的相变阈值不可预测；③Critic 是"运行时代码"，需 CI / 测试 / 回滚，论文未详细描述验证失败的回退路径，错误 Recovery 代码可能持续被触发；④Zero-shot 迁移仅在 PnP 系列内部验证，未跨仿真→真机 / 不同本体 / 不同传感器配置验证；⑤能耗与单次进化的总成本未公开。

它最值钱的不是仿真分数本身，而是三件可移植资产："冻结模型 + 进化 Harness"是企业级 AI 落地的现实路径（客服、RPA、运维同理可借鉴）；三时间尺度分离是实时 Agent 工程的通用模板；Critic-Recovery 显式解耦比端到端 RL policy 更易调试 / 审计 / 回滚。读这篇最该带走的，是"Harness 自进化可以替代端到端 VLA 重训"这条工程范式，而不是 90.8% 这个仿真数字本身。

标题变体

  1. 把"反思"做成动作级闭环：Zetta ζ 的具身 Agent Harness
  2. 冻结底座也能自我进化：Zetta ζ 与三时间尺度分离
  3. 机器人版的"Aha Moment"是怎么发生的

小红书卡片

🧠 标题吸睛版：「机器人也会顿悟？这篇让 Harness 在不重训模型的前提下自我进化」 📌 关键词：具身 Agent · Critic-Recovery · 三时间尺度 · 自我进化 🪜 钩子：冻结底座、改 Harness 代码，从 34.5% 推到 90.8% 🎯 适配：机器人团队、AI Infra、Agent 架构师、产品经理