PyRUA-REAL框架让机器人通过真实探索自我改进

事件综述根据 1 篇报道整理，11月6日更新

研究团队提出 PyRUA-REAL 框架，让由 GPT-6-Astra 等模型驱动的编码智能体把真实世界交互经验保存为持久记忆和可复用可执行技能，用于后续探索与代码改进。团队称，该框架在 8 项真实世界任务上平均成功率为 91.1%，在 RoboDojo 基准的 42 项任务上平均成功率为 84.4%。 研究还考察了智能体协作方式、执行反馈如何支持代码改进，以及在不调用在线智能体决策时程序部署的效率与能力。上述结果来自研究团队自述，尚未见独立复现。

综述由模型根据报道生成，细节以各篇原文为准。