SenseNova-RoboRSI 在 GPT-6 Astra 权重不变下将 RoboDojo 平均分从 28.97 提至 56.83

更强的机器人并不总是需要更强的基础模型。

有时候，它只需要一种更好的行动方式。

商汤日日新团队的最新研究提供了一个有趣的例子，展示了智能体系统设计如何提升具身 AI 的性能。

在 GPT-6 Astra 模型权重保持不变的情况下，SenseNova-RoboRSI 在 RoboDojo 上的平均得分为 56.83，而公开基线为 28.97，任务成功率达到 50.83%。

它在 LIBERO-PRO（94.50%）和 RoboCasa（64.60）上也取得了出色的成绩。

SenseNova-RoboRSI 探索的策略之一是多点末端执行器（EEF）预测。它不是一次预测并执行一个目标，而是在单步中生成一串简短的动作目标序列，从而在提升运动连续性的同时减少重复的模型调用。

结合规划子智能体和反馈子智能体，主智能体可以分解任务、执行动作、监控进度，并根据反馈调整后续动作。

更重要的是，SenseNova-RoboRSI 将这些策略引入了递归自我改进（RSI）循环，其中执行结果有助于指导未来智能体框架配置的改进。

改进框架可能会变得和改进模型本身同样重要。