AREX Feed Article
商汤发布 SenseNova-RoboRSI：不更新模型参数的具身 agent harness，自报 RoboDojo 平均分 56.83
北京时间 10 月 10 日晚，商汤科技的官方 X 账号 发布 SenseNova-RoboRSI：一套面向具身智能体的 agent harness，即模型之外的运行框架；它通过物理任务反馈进行递归自我改进（recursive self-improvement，RSI），迭代过程不更新模型参数。公告自报该 harness 在 RoboDojo 上平均分 56.83、成功率 50.83%，比其援引的「GPT-6 Astra baseline」（28.97）高 27.86 分；RSI 循环被描述为 Execute → Diagnose → Improve → Validate → Inherit。公告还称，该项目即将在 GitHub 开源，完整技术报告也将随后发布。
到本文发稿时，公告给出的 已经可以访问，公开的内容只有中英文两版 README 和总览图。
改进对象是 harness，模型参数不动
公告开头的句子是：「每一次机器人任务的失败，都能成为下一次迭代的教训。」README 把 harness 描述为一个共享运行时：接入模型、提示词、技能与工具（含 MCP，即模型上下文协议），跨基准统一执行与评测，可以运行 VLA（视觉-语言-动作）技能、脚本动作或末端执行器工具，并保留各基准原生的执行与评分逻辑；执行轨迹被完整记录、可导出训练数据，也支持并发批量评测。
RSI 这一层利用执行轨迹与任务反馈，在保持模型参数不变的前提下，优化动作预测、任务规划、执行反馈与记忆组织。候选改动要在相同任务条件下复测，验证有效的才被继承到下一版 Agent。仓库总览图把这个循环画成五步：基线评测、改进器（Improver）基于结果生成候选、候选复测、比较与决策、版本选择（采用候选或保留基线）。公告还点名两个「已探索并验证」的方向：多点 EEF（末端执行器）预测，以及规划与反馈子代理（Planning + Feedback Subagents）。
这层 harness 在商汤的公开战略里出现过：9 月，该账号在中把「Models + Token Factory + Agent Harness」列为公司战略，其中 Agent Harness 被描述为「连接模型、知识、工具与工作流，完成端到端任务」。
RoboDojo 对照表与公开榜单
README 给出的 RoboDojo 对照表是（平均分 / 成功率）：SenseNova-RoboRSI / GPT-6 Astra 56.83 / 50.83%；VPP2 39.26 / 32.26%；PhysicalRSI 36.27 / 31.38%；Awomo-0.5 35.34 / 29.64%；Simate-beta 33.95 / 27.96%。README 把后四行标注为 RoboDojo 仿真榜单的参考结果。
RoboDojo 官网自述为一个把仿真与真实世界统一起来的基准（sim-and-real），用于全面评测通用机器人操作策略，包含 42 个仿真任务、18 个真实世界任务与一个公开榜单（、）。发稿前核查的榜单数据里，GPT-6 Astra 条目平均分 28.97、成功率 22.48%，由 RoboDojo Team 于 9 月 16 日加入；VPP2、PhysicalRSI、Awomo-0.5、Simate-beta 的分数也与榜单更新记录一致。
而 SenseNova-RoboRSI 自己的 56.83 与 50.83%，出处是商汤的公告与 README，README 表格把这一行标为「（我们）」；这组数字仍是发布方的单方口径。
仓库已上线，发布计划只勾选了「项目介绍」
GitHub 接口显示，这个仓库创建于 10 月 9 日，最近一次推送在 10 月 10 日 11:56（UTC），提交历史只有一条「Initial commit: SenseNova-RoboRSI README」；README 的 News 区把 RoboDojo 成绩记在 10 月 9 日。仓库的发布计划列出四项：代码发布、使用文档与 Demo 都未勾选，已完成的只有「项目介绍」；README 顶部的徽章分别标注「Pre-Alpha」状态、Python 3.10–3.12 与 Apache 2.0 许可。
README 结尾称，团队将于近期发布完整技术报告，系统介绍核心方法、实验设计与评测结果。公告所说的「即将开源」，目前在仓库里只推进到「项目介绍」这一步。
另外两张表：94.50% 与 64.60%，都附了口径说明
除了 RoboDojo，README 还列了 LIBERO-PRO 与 RoboCasa365 两张结果表。
LIBERO-PRO 表中，SenseNova-RoboRSI / GPT-6 Astra 的成功率为 94.50%；参照项包括 RPent / GPT-6 Astra 的 92.63%、RPent / Opus-4.7 的 82.40%、RPent / GPT-5.5 的 75.13% 与 RPent Flash Mode / Molmo2-8B 的 72.63%。README 注明，这些参考成绩由 RPent 在 Task/Swap 套件上测得并公布，而 LIBERO-PRO 官方榜单汇总五类扰动，统计口径不同。
RoboCasa365 表中，SenseNova-RoboRSI 在「Target 厨房 + 任务记忆」设置下成功率 64.60%；四项对照结果（Paimon-0 58.10%、Xiaomi-Robotics-1 57.40%、Phasor-m7 56.80%、ProWAM 48.10%）都在「预训练厨房」设置下评测。README 给这组对照加的限定是：「以上为不同评测设置下的结果参考，不构成同一协议下的排名。」
三张表里，商汤自己条目（56.83、94.50%、64.60%）的分数均出自发布方口径；对后两张表，README 也注明了统计口径或评测设置上的差异。
追问集中在一点：改进能否跨任务迁移
公告下方，中文用户 认为「固定模型权重改进 Harness 很值得关注」，希望技术报告拆开规划、反馈与多点 EEF 预测各自的增益，披露每轮改进消耗了多少任务反馈、模型调用与计算成本，并追问候选改动在未见任务上的「保留率」，认为在同一批任务上越改越好与跨任务真正泛化是两种不同的进展。另一位用户 同样追问：「失败后的改进能继承下来，换个任务还管用吗？」
仓库的路线图把这些追问放进「后续研究方向」：「经验检索」计划把成功策略、失败案例与执行轨迹整理成可检索的经验库，「更多机器人平台与真实场景」计划把接入与评测扩展到更多机器人本体和物理场景；跨任务迁移能否成立，路线图给出的表述是：将探索已验证的工具组合、规划策略与反馈机制能否为其他任务与环境提供有效起点。