外观
新闻X11 天前
Jim Fan开源ASPIRE V1.0框架实现真机技能自进化
本文由 AI 根据公开内容整理，可能有误，请以原文为准：Jim Fan (@DrJimFan)（via AIHOT）：We are open-sourcing V1.0 of our agentic robotics framework, ASPIRE, with full real robot skill discovery and self improvement capabiliti...（X）
核心内容
NVIDIA高级研究科学家Jim Fan正式开源ASPIRE V1.0智能体机器人框架，核心突破在于赋予机器人在真实物理环境中进行技能发现与自我改进的能力。该框架旨在解决具身智能体从仿真到真机迁移时的泛化瓶颈，通过闭环反馈机制实现策略的持续优化。
技术验证表明，ASPIRE具备显著的模型无关性与鲁棒性，在更换后端基础模型后，其在相关Benchmark测试中仍保持约99%的高性能水平。这一数据证实了该框架在解耦感知决策与底层控制方面的有效性，使开发者能灵活适配不同LLM或VLM作为认知核心，同时维持稳定的真机操作成功率。
关键看点
- 真机自进化：支持在真实物理环境中自动发现新技能并执行自我改进，突破纯仿真训练局限
- 模型解耦验证：更换后端基础模型后Benchmark性能维持约99%，验证框架对异构模型的兼容性
- 开源V1.0发布：完整开源智能体机器人框架代码，提供技能发现与自我改进的工程化实现路径
工程与产业观察
ASPIRE V1.0验证了具身智能体在真机环境下通过自我改进实现高可靠性的可行性，99%的跨模型基准表现为算法工程师提供了可复现的技能学习范式。其模型解耦设计降低了大模型迭代对硬件部署的耦合度，加速了通用具身智能从实验室验证向工程落地的转化进程。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。