NVIDIA机器人持续学习靠的不是权重参数——自我进化并无限累积目录01 权重是一种什么样的记忆02 技能库把经验变成可以调用的工具03 两种学习模式两种不同的成长曲线04 端到端路线的自救WAM 的生成式回放05 技能库的边界以及两条路线的融合过去一段时间机器人领域的主流思路是用更大的模型、更多的数据让机器人“端到端”地学会做事看到图像、理解指令、直接输出动作。这条路线确实带来了不少进展但有一个问题始终没有解决所有学习痕迹都封装在模型权重里任务与任务之间完全割裂。机器人学一百次和第一次上手没有本质区别下一个任务来了它还是从头开始好像从没学过任何东西。近日NVIDIA Jim Fan 团队发布了 ASPIRE 系统直接点出了这个问题ASPIRE 代表一种全新的学习范式「训练」不再是梯度下降而是对技能的持续打磨「训练好的模型」不再是一堆浮点权重而是一个不断扩展的感觉运动技能仓库。ASPIRE 的核心思路是机器人每次完成或失败一个任务都把这次的经验提炼成一段可以复用的代码技能存入一个持续增长的“技能库”。下次遇到类似问题直接从库里取用而不是重新摸索。这一学习范式也引出了一个更加值得深思的问题当前主流的端到端路线在持续学习上是否存在根本性的缺陷技能库范式又能走多远本文将结合 ASPIRE 系统展开讨论。01 权重是一种什么样的记忆要理解为什么端到端路线在持续学习上会遇到麻烦需要先想清楚一件事神经网络的权重到底是一种什么样的知识存储方式举个例子当一个 VLA 模型学会“把杯子放到托盘上”这个任务时它并没有在某个地方写下“先识别杯子再规划路径然后控制夹爪”这样的步骤它学到的是数以亿计的权重参数之间的一种特定配置这种配置在见过的训练数据上能产生正确的动作但没有人能直接读懂它在“记住”什么。这就是权重作为知识载体的本质隐式、弥散、不可分割。这种存储方式在单任务学习上没有问题但一旦涉及到“继续学新东西”麻烦就来了。梯度下降的工作原理是为了让模型在新任务上表现更好就调整权重。但这些权重同时也承载着旧任务的知识调整新任务的权重就不可避免地干扰旧任务的表征。研究者把这个现象叫做“灾难性遗忘”但其实它不是一种意外而是权重这种存储方式的内在属性。▲图1 | OpenVLA 架构典型的端到端视觉-语言-动作模型所有知识以隐式方式弥散在权重参数中无法单独提取或修改某一条经验有研究试图通过“经验回放”来解决这个问题在学新任务的同时把旧任务的数据混进去一起训练让模型不要忘。这个方法有一定效果但代价是必须永久保存大量旧任务的真实演示数据。在实验室里这还勉强可行但在真实部署场景中数据的积累是无止境的存储和重训练的成本会随任务数量线性增长很快就变得不现实。更深层的问题在于即便经验回放能让模型“不忘”它依然无法让机器人真正“积累”。回放是一种被动的防遗忘机制而不是主动的经验沉淀机器人在第 50 个任务上学到的某个巧妙的抓取策略不会自动变成第 51 个任务可以直接调用的工具它只是以某种方式影响了权重的分布下次能不能用上取决于新任务的输入是否足够相似触发了相似的激活模式。这种知识的传递方式是统计意义上的而不是逻辑意义上的。ASPIRE 的研究中有一句话说得很直接解决第 100 个任务的机器人和解决第 1 个任务时相比几乎没有变得更有经验。这句话描述的不是某个模型的缺陷而是整个端到端范式在经验积累上的结构性困境。02 技能库把经验变成可以调用的工具ASPIRE 的出发点是换一种方式来存储经验。在 ASPIRE 的框架里机器人的行为不是由权重直接生成的连续动作而是由大语言模型写出来的 Python 程序程序里显式地调用感知模块、规划器、夹爪控制等接口。这种代码即策略的方式让机器人的行为变得可读、可调试、可修改。▲图2 | ASPIRE 系统概览执行引擎收集多模态追踪智能体通过迭代调试与进化搜索精炼程序验证成功的修复策略沉淀入持续扩展的技能库但光是“用代码控制机器人”并不新鲜ASPIRE 真正关键的一步是把每次调试成功的经验提炼成一条可复用的技能存进一个共享的技能库。这里有一个重要的区分技能库里存的不是完整的任务代码而是更细粒度的“修复知识”。比如机器人在某个任务里发现当导航目标太靠近桌子边缘时规划器会反复报错解决方法是从多个角度重新采样目标点。这条经验被提炼成一条技能遇到导航规划失败且目标靠近障碍物边界时尝试从 45°、90°、180° 方向重新接近。这条技能不属于任何一个具体任务它是一条通用的调试策略下次任何任务遇到类似情况都可以直接取用。▲图3 | ASPIRE 执行引擎的追踪引导调试系统通过细粒度日志定位碰撞规划错误的根因生成多角度接近策略并将其作为可复用技能沉淀入库这与权重存储经验的方式形成了鲜明对比。权重里的知识是弥散的、不可分割的技能库里的知识是显式的、有边界的、可以单独提取和修改的。一条技能有明确的适用条件有清晰的修复逻辑甚至有代码示例。这种存储方式更接近人类工程师积累经验的方式不是把所有经验混在一起形成某种直觉而是把有价值的经验整理成可以反复使用的方法论。▲图4 | ASPIRE 技能库中积累的各类可复用技能涵盖定位消歧、运动原语、导航恢复、物体抓取等异构类别底部展示了仿真技能迁移至真实机器人的效果技能库的另一个重要特性是它的分类体系不是人为预设的而是从机器人自身的调试经验中自然涌现出来的。ASPIRE 在 150 多个仿真任务上积累了 90 多条技能覆盖了定位、导航、抓取、场景理解、调试工作流等多个维度。这些分类没有人事先规划是系统在解决问题的过程中自己发现的。▲不断扩展的技能库 | ASPIRE 维护着一个不断增长的技能库该技能库将经过验证的修复方法提炼成模块化的、可转移的机器人知识这些知识可以作为未来任务的上下文指导进行检索。03 两种学习模式两种不同的成长曲线理解了权重和技能库这两种经验存储方式的本质差异再来看实验数据就会发现它们揭示的不只是性能高低而是两种根本不同的“成长曲线”。端到端模型的成长方式用更多数据训练性能提升训练结束性能固定。它在部署阶段是静止的无论遇到多少新任务、积累多少经验它的权重不会改变能力上限在训练结束的那一刻就已经确定了。如果想让它变得更好只能重新收集数据、重新训练。技能库范式的成长方式截然不同每解决一个新任务技能库就多一条经验技能库越大下一个任务就越容易解决。这是一种正反馈的积累机制不是线性增长而是复利式的加速。这种差异在零样本迁移实验中体现得最为清晰。ASPIRE 用在 LIBERO-90 上积累的技能库直接去解决从未见过的 LIBERO-Pro Long 长时程任务不做任何额外训练。结果是技能库从 0 条增长到 90 条的过程中零样本成功率持续稳定地提升最终达到 31%而端到端模型π₀.₅在这个任务上只有 4%即便它在测试时可以反复推理和重试。▲图5 | ASPIRE 在 Robosuite 双臂操作和 BEHAVIOR-1K 长时程任务上的表现双臂交接成功率从 20% 提升至 92%长时程任务超越人类专家程序这个对比说明的不是 ASPIRE 比 π₀.₅ 更聪明而是两者在面对新任务时的底层机制完全不同。端到端模型面对新任务只能依赖训练时见过的数据分布技能库范式面对新任务可以主动检索过去积累的相关经验把旧问题的解法迁移过来。前者是记忆的检索后者是经验的复用。在真实机器人实验中这种差异同样显著。ASPIRE 把仿真中积累的技能迁移到一台不同型号、不同 API 的双臂机器人上推拉抽屉这个任务在没有技能引导时系统耗尽了全部推理预算也没有成功有了技能引导成功率达到 11/20所需的推理计算量也大幅下降。这说明技能库迁移的不是具体的代码而是解决问题的思路即便硬件和接口都变了这个思路依然有效。04 端到端路线的自救WAM 的生成式回放在 ASPIRE 提出技能库路线的同期端到端路线也在尝试从内部解决持续学习的问题。其中一个有代表性的方向是利用世界动作模型WAM的生成能力来实现生成式回放。WAM 与普通 VLA 的区别在于它不只预测动作还能预测执行动作后的未来画面。这个能力也带来了一个新的可能性在学习新任务时让模型自己生成旧任务的伪演示数据用这些生成的数据代替真实的历史数据来防止遗忘。这样就不需要永久存储旧数据了模型用自己的生成能力来维持记忆。这个思路在实验上确实有效能将灾难性遗忘减少 50%以上。但它的根本局限也很明显生成的伪演示质量取决于模型自身的生成能力而 WAM 在长时程序列生成中画面保真度会随时间迅速退化生成的动作和画面之间也容易出现逻辑上的不一致。更重要的是这条路线在本质上仍然是在权重框架内修补遗忘问题而不是改变知识的存储方式本身。这两条路线的对比揭示了一个更深层的分歧端到端路线把持续学习看作一个优化问题如何在更新权重时尽量保留旧知识技能库路线把持续学习看作一个工程问题如何把经验整理成可以长期维护和复用的结构。前者在数学上更优雅后者在工程上更务实。05 技能库的边界以及两条路线的融合承认技能库范式的价值并不意味着端到端路线没有未来。事实上ASPIRE 本身就高度依赖端到端预训练模型大语言模型负责代码生成和逻辑推理视觉模型负责空间感知运动规划器负责底层控制。技能库管理的是“怎么组合这些能力”而不是替代这些能力本身。ASPIRE 的研究团队也列出了当前系统的边界它依赖一个冻结的前沿大语言模型尚未验证更小的模型能否维持同等质量的调试循环固定的感知-规划-控制 API 限制了系统能表达的行为范围技能库在规模增大后可能出现过时、冗余或相互矛盾的条目目前还缺乏成熟的版本管理和修剪机制真实世界部署仍需要可靠的成功检测和安全重置这些都还依赖人工介入。这些局限性恰恰指向了一个更有意思的问题如果技能库和端到端模型各有所长未来的机器人系统是否会走向某种混合架构权重是一种强大但封闭的知识载体——它能从海量数据中提炼出惊人的泛化能力但它存储的知识无法被单独提取、修改或共享。技能库是一种透明但有限的知识载体——它存储的每一条经验都是可读的、可审计的、可跨平台复用的但它依赖底层模型的能力也面临规模增大后的管理挑战。这两种方式并不是非此即彼的选择而是在不同层次上解决不同问题的工具。真正值得期待的是一个能让两者协同工作的系统模型负责感知和动作技能库负责经验和记忆机器人在每一次成功和失败中都能积累下真正有用的东西而不是让经验随着任务结束一起消散。Ref1. ASPIRE: Agentic Skills Discovery for Robotics.2. ASPIRE Robot Skills Library Self-Evolves Indefinitely. LinkedIn.3. Can VLA Models Learn from Real-World Data Continually without Forgetting?4. World Action Models Enable Continual Imitation Learning with Recurrent Generative Replays.5. Pretrained Vision-Language-Action Models are Surprisingly Resistant to Forgetting in Continual Learning.