AREX Feed Article
Jim Fan 宣布开源机器人框架 ASPIRE V1.0，称已实现真实机器人技能发现与自我改进
北京时间 10 月 17 日凌晨（UTC 时间 10 月 16 日 16 时 15 分），Jim Fan 在 X 上宣布开源 agentic（智能体式）机器人框架 ASPIRE 的 V1.0 版本，称其“具备完整的真实机器人技能发现（skill discovery）与自我改进能力”。附上了与链接。截至发稿，代码库挂在 GitHub 的 NVlabs 组织下、采用 Apache 2.0 许可证，README 的 News 栏最新一条写着“[2026-10] ASPIRE v1.0 is out”（v1.0 已发布），并称新版本已能让真实机械臂解开魔方。Jim Fan 的 X 简介自述为 NVIDIA 机器人研究总监（Director of Robotics & Distinguished Scientist）、GEAR 实验室联合负责人；ASPIRE 项目页则将他、Yuke Zhu 与 Guanzhi Wang 并列为三位项目主管。
他在同一帖串里给出三条出自其实验室、尚未经独立核实的数字：Astra 到来当天，实验室切换了后端模型，“一夜之间把所有基准刷到约 99%”；Opus 5.5 在其实验室的机器人仿真基准上略微胜过 Astra；Sonnet 5.5 以每任务 12 美元站上成本与机器人能力的 Pareto 前沿（帕累托前沿）。这三条目前只能追溯到他的帖文，而项目方同日发布的书面材料给出了更细的口径。
“一夜刷到约 99%”：帖文口径与书面记录的差距
Jim Fan 的原话是：“Astra 到来那天，我们实验室切换了后端模型，一夜之间把所有基准刷到了约 99%。”比他早约 7 分钟（UTC 16 时 08 分），Guanzhi Wang 在里宣布开源，并列出按套件拆分的结果：仿真基准饱和——LIBERO-Pro 共 80 个任务 99%、Robosuite 7 个代表性任务 100%、BEHAVIOR-1K 2 个代表性任务 100%；真机操作由 GPT-6 Astra 驱动；技能还在物理机器人上持续精炼。
代码库 README 的 Model Scaling（模型扩展）一节则记录了换模型前后的落差：在 10 个 LIBERO-Pro 任务上，成功率从 GPT-6 Luna 的 15% 升到 Claude Opus 5.5 的 99%；跨 LIBERO-Pro、Robosuite 与 BEHAVIOR-1K，Claude Opus 5.5 在每个任务上达到 97%～100%。README 还写道“最强的模型并不是最贵的”，配图中绿线标出成本与成功率的前沿。
需要划清的是：Guanzhi 的套件数字与 README 的模型对比同样出自项目方，均未经独立核实；而“一夜之间”的时间叙事，以及“Opus 5.5 略胜 Astra”“Sonnet 5.5 每任务 12 美元”这两条比较，只出现在 Jim Fan 的帖文里。代码库的 News 栏记录与“框架先于模型就绪”这一叙事相合：2026 年 6 月那一条写着，ASPIRE 当时已用 Claude Opus 4.6 在 LIBERO-Pro、Robosuite 与 BEHAVIOR-1K 上取得 SOTA（state-of-the-art，当时最佳）结果。
三个多月，从收拾餐桌到解开魔方
6 月 30 日（UTC），Guanzhi Wang 发布，称 ASPIRE 是“第一个面向机器人的自动化 /skill 发现系统”——这是项目方的自称——它不逐个解题，而是持续发现并积累可复用技能，让多任务迁移、仿真到真机（sim-to-real）迁移与跨本体迁移成为可能，合作方包括 NVIDIA、密歇根大学、伊利诺伊大学厄巴纳-香槟分校、UC Berkeley 与卡内基梅隆大学。Jim Fan 当日附上项目画廊与白皮书链接，并转引 Guanzhi 的深度解析。
论文共同一作之一 Runyu Lu（X 简介自述为密歇根大学博士生、GEAR 实验室成员）当天了这次开源：“我们在 Astra 走红之前就发布了第一版 ASPIRE。那时它只能靠 Opus 4.6 和 GPT-5.5 让 YAM 机械臂做长程餐桌收拾（这已经非常惊艳了）。没想到几个月内事情会进展得这么快！”
README 的真机结果表显示了这几个月的增量：解魔方、叠杯、拧开瓶盖并倒水、把药片放进瓶子，四项真机任务均标注由 GPT-6 Astra 驱动；6 月表格里的长程餐桌清理，用的还是 Opus 4.6（仿真）加 GPT-5.5（真机）的组合。Jim Fan 把这段叙事压成了三句话：ASPIRE 与 /robot 技能库 6 月推出时，“远在大模型能可靠地做机器人之前”；“前沿的水涨了，众船皆高，但 Astra 在许多任务上是一场 0→1 的海啸”；“现在你也可以在家里体会 Physical Bitter Lesson（物理版‘苦涩的教训’）了——就像我们在那个日子体会到的那样”。
用技能精炼代替梯度下降：ASPIRE 的三个组件
README 用三组类比定义这个框架：“训练”是技能精炼而不是梯度下降；“训练好的模型”是感觉运动技能的仓库而不是浮点权重；“分布式训练”是一组各自练习不同技能的智能体，而不是分片的 minibatch（小批量数据）。
把机制拆成三个组件。闭环机器人执行引擎对每次感知、规划、抓取与控制调用记录观测、输入、输出和可能的视觉证据，形成多模态轨迹，供智能体检查原语日志、逐步定位失败，并通过重执行验证修复是否有效。技能库把验证过的修复蒸馏成模块化、可迁移的机器人知识，作为后续任务的上下文指引。程序进化搜索则生成多样的任务序列与控制程序，通过迭代调试和并行精炼，走出单条轨迹自我改进的局限。官方架构图显示，技能库中的多样技能习自 150 多个仿真任务，并可向真实机器人迁移。
按项目页的表述，ASPIRE 在多套基准上大幅超过现有 VLA（视觉-语言-动作模型）与编码智能体基线，并对未见过的长程任务表现出强零样本迁移。配套技术报告的编号为 ，共同一作为 Runyu Lu、Yubo Wu、Ethan Kou 与 Haotian Lin，作者名单里还包括 Ken Goldberg、Jan Kautz 等。
仓库里的起步路径与一份安全警告
这套框架的推荐用法，是让另一个编码智能体来操作它。官方 Quick Start（快速上手指南）建议启动 Codex 或 Claude Code，让智能体克隆仓库、读取 iterative-debugging 技能说明与 docs/libero-pro.md，并在执行前先报告所需的 GPU、凭证、门控权重、预期运行时间与输出路径，等用户确认。仿真工作流被打包成两个“智能体技能”——iterative-debugging（迭代调试）与 evosearch（进化搜索）——分别适配 Claude Code 和 Codex 的技能目录。论文级结果的复现也有对应的操作手册（runbook）覆盖各套件。
真机是另一条路径。AGENTS.md 存放真机 System 2 智能体的执行规则；复现真机演示需要一台校准过的 YAM 机械臂工作站，按魔方、拧瓶倒水、药片装瓶、倒扣叠杯四个任务的 TASK_CONTEXT.md 重新启动智能体。主机侧要预装 CUDA 与 uv，并提供 Hugging Face token 以下载门控的 SAM3 权重。README 同时给出一段警告：ASPIRE 会执行大模型生成的 Python 代码且拥有完整 import 权限，试运行进程与看门狗“不是安全沙箱”；应在没有凭证或敏感挂载的隔离主机上运行并限制网络；绝不能让仿真智能体接触物理硬件；真机工作需要 aspire/real/AGENTS.md 中的控制措施与单独的操作员授权。
项目页自己写下的五条边界
项目页的 Limitations（局限）一节列了五条。第一，“尚不是一个完全自主的真实世界学习者”，真机部署仍需要稳健的成功检测、安全复位、安全监控与标定。第二，依赖冻结的前沿大模型：论文中的系统绑定 Claude Opus 4.6，团队未验证更小或更弱的模型能否撑住整个调试循环。第三，行为受限于预定义的原语 API，固定的感知、规划与控制原语让调试安全，也限制了可表达的范围。第四，长期记忆管理不完整，技能库变大后条目可能过时、过度特化、冗余，甚至对新任务产生误导。第五，调试与进化搜索的每个任务要消耗大量大模型调用与 rollout（试运行），扩大规模需要更便宜的推理或更省样本的搜索。
仓库里还有一处同样直白的注脚：三个新增真机配方“从演示会话蒸馏而来，并非一次新的真机验证”，药片配方甚至专门区分了“瓶盖已扣上”与“确认拧紧”两种状态。
基准刷满之后：回复区的三个追问
帖文下方的讨论很快落到基准的区分度上。一位回复者写道：“换后端一夜到 99%，说明这些基准从头到尾测的都是模型。框架需要更难的基准，别人才能看出它到底加了什么”（）；拥有 3.9 万关注者的 留言更短：“我们需要更新的基准！！！”成本口径也留了问号， 问得很具体：每任务 12 美元覆盖的是首次技能发现，还是技能入库后的重复运行？现有材料里找不到答案。
中文回复者 的问题更贴近普通使用者：“开源这步挺好。模拟基准打到 99% 我先记下，真想看的是换一台家里的机器人，技能发现还能不能自己往前走，而不是只复现那张满分表。”项目页对此的回应停在“初步证据”（initial evidence）这一档：仿真中发现的技能可跨本体迁移，从而降低真机编程的 token（词元）成本。仓库已经把覆盖仿真与真机的复现操作手册交到外部手里，仿真部分所需的只是它列明的主机配置、模型凭证与门控权重。基准刷满之后，技能发现在实验室之外还能不能延续，要等外部的复现结果来回答。