机器人的"训练"，可以不是梯度下降：NVIDIA ASPIRE 怎么让编码 Agent 攒技能库
NVIDIA ASPIRE 让编码 Agent 通过写程序、调试、存技能来学机器人任务，不靠梯度更新。
一个问题
如果现在做一个问卷调查，问大家"怎么教会机器人一个新动作？"
我相信，大多数人的回答是：收集大量数据，训练一个神经网络。
这是过去十年的主流做法，也确实有效。
但是，最近 NVIDIA 的 GEAR 实验室开源了一个项目，给出了另一种答案：不训练神经网络，而是让编码 Agent 给机器人写程序，自己调 bug，再把调好的程序攒成技能库。
这个项目叫 ASPIRE。
它的意思是，"训练"不一定是梯度下降，也可以是一遍遍地打磨技能；"训练好的模型"也不一定是一堆权重，也可以是一个装满传感-运动技能的代码仓库。
我觉得这个思路很有意思，下面就来介绍一下。
基本情况
先说事实。
ASPIRE 的代码放在 GitHub 的 NVlabs/ASPIRE 仓库，采用 Apache 2.0 许可证（仓库里的第三方材料保留原来的条款）。据 10 月 17 日凌晨 3 点 20 分（北京时间）通过 GitHub API 读取，有 320 个 star、20 个 fork，这个数字还在变化。
配套的论文是 arXiv 2607.00272（论文页面），一共 43 页。作者里面有 Yuke Zhu、Linxi "Jim" Fan、Guanzhi Wang 等人，是 NVIDIA 与密歇根大学、伊利诺伊大学香槟分校、加州大学伯克利分校、卡内基梅隆大学合作的成果。
三个组件
ASPIRE 由三部分组成。
（1）闭环执行引擎。
机器人每做一次感知、规划、抓取、控制，引擎都会记录下这次调用的输入、输出和可视化证据。
这有什么用呢？
用处在于，Agent 写的程序跑失败了，它可以回头翻记录，找到到底是哪一步出了问题。
这就像程序员调试代码时看日志。没有日志，你只知道"程序崩了"；有了日志，你才知道"第 37 行传进来一个空值"。
（2）持续扩张的技能库。
一个修复一旦被验证有效，就会沉淀成一个技能，存进技能库，以后的任务可以直接调用。
（3）对程序的进化搜索。
Agent 不是只写一个版本的程序，而是在多个版本之间搜索、比较、改进，留下表现好的。
把这三件事连起来，就是一个循环：
写程序 ----> 执行并留痕 ----> 诊断修复 ----> 存入技能库 ----> 下一个任务复用。
技能长什么样
这个项目最好玩的地方，是它的项目页上展示了一些 Agent 生成的技能代码片段。
其中有两条代码注释，大意是：
- "SAM3 会把红色和绿色搞混"
- "抬起物体之前，先检查夹爪宽度是否小于 0.015，如果是，就重新抓取"
大家看出来了吗？
这其实就是调试经验。
人类工程师踩了坑，会在代码里写一行注释，提醒后来的人。ASPIRE 里的 Agent 做的是同一件事：它在真实任务里发现视觉模型分不清红绿，发现夹爪合得太紧说明没抓到东西，就把这些发现写进代码，变成一条规则。
下一次遇到类似的任务，这条规则就已经在那里了，不需要重新踩坑。
据项目页的展示，技能库里有 90 多个技能，覆盖 150 多个任务。
成绩怎么样
下面的数字都来自官方论文和项目页，是 NVIDIA 团队自己报告的结果，不是第三方复现。
- 在有扰动的操作任务上，比之前的方法最多高出 77%。
- Robosuite 的双臂交接任务，高出 72%。
- BEHAVIOR-1K 的长程家务任务，高出 32%。
- 没见过的长程任务，零样本成功率 31%，之前的方法是 4%。
- 配合 Claude Opus 5.5 时，80 个 LIBERO-Pro 任务平均成功率 99%，几个代表性的 Robosuite 和 BEHAVIOR-1K 任务是 100%。
我觉得，最值得注意的是那个零样本的数字，31% 对 4%。
这说明技能库确实在起作用：没见过的任务，可以用以前攒下的技能拼出来。
真机解魔方
除了仿真，团队还做了真机实验。
他们用的是一台 YAM 双臂机器人，让它在线学习解魔方，包括扫描魔方、规划步骤、执行每一层的转动。项目页提到的 Agent 是 GPT-6 Astra。
据项目页，随着回合增加，每完成一次面转动所消耗的 token 和时间都在下降。
这正好印证了技能库的作用：越练越熟，越熟越省。
真机任务还有拧瓶盖、把药片放进瓶子再拧上、把杯子倒扣叠起来、收拾桌子等等。
跟具体 Agent 无关
ASPIRE 不绑定某一个编码 Agent。
据仓库说明，仿真流程是按 Claude Code 加 Opus 4.6 1M 打包复现的，真机实验用的是 Codex。所有 Agent 都遵循同一份 AGENTS.md 文件。
真机操作通过一组 CaP MCP 工具完成，比如 cap_localize_object（定位物体）、cap_move_to_pose（移动到某个姿态）、cap_set_gripper（设置夹爪）。
底层的视觉定位用 SAM3 加 RGB-D 相机，运动规划用 cuRobo。
这里有一条规定我很欣赏：禁止关掉碰撞检测硬闯过去。
写过代码的人都知道，遇到报错，最省事的办法是把检查关掉。Agent 也会这么想。所以要明确告诉它，这条路不许走。
局限与警告
官方也很坦率地列出了局限。
（1）它还不是完全自主的真实世界学习者，需要成功检测、安全复位、人工监控和标定。
（2）它依赖冻结的前沿大模型，还没验证小模型能不能撑住这个调试循环。
（3）它受限于预先定义的原语 API。
（4）技能库越来越大以后，长期记忆怎么管理，还没解决。
（5）搜索循环非常消耗大模型调用。
最后一条，跟大家的钱包直接相关。一个能自己调 bug 的 Agent，意味着它会反复调用大模型，Token 账单不会便宜。
还有一条安全警告，大意是：ASPIRE 会执行拥有完整 import 权限的、由 AI 生成的 Python 代码，它的试运行和 watchdog 机制并不是安全沙箱。官方建议，在没有任何凭证的隔离主机上运行，而且不要让仿真用的 Agent 接触实体机器人。
这一点非常重要。AI 生成的代码，可能做任何事情。
我的看法
ASPIRE 让我想到一个老概念：code as policy，也就是用代码来表达机器人的策略。
这个想法以前就有，但是以前的瓶颈是，写代码需要人。现在编码 Agent 足够强了，写代码、看日志、改 bug 都可以交给它。
于是，机器人学习的形态就变了。知识不再藏在神经网络的权重里，而是写在人类读得懂的代码和注释里。
这有一个很大的好处：可以审查。
你打开技能库，能看到"SAM3 会混淆红绿"这样的注释，知道它为什么这么做。神经网络的权重，你是看不懂的。
当然，它也有代价：要花很多 Token，要有安全隔离，要依赖强大的前沿模型。
那么，一个让人好奇的问题就来了：如果将来本地模型足够强，每个人都能在家里跑这样一个调试循环，机器人的技能库会不会像开源软件一样，由社区一点点攒起来？
我不知道答案，但我觉得值得期待。
（完）
来源：ASPIRE 项目页；GitHub：NVlabs/ASPIRE。所有成绩为官方自报；型号名照项目页与仓库原文；star/fork 为 GitHub API 2026-10-17 03:20（北京时间）读数，会变化。