# RoboHarn-Evo：知识层RSI

RoboHarn-Evo：知识层RSI

完整文章：https://haiguangboy.com/posts/roboharn-evo

## 核心方法

知识指导行动，物理反馈修订知识，再供后续任务复用。但这个循环不能只保存“成功或失败”。

机器人抓起杯子却放偏了，抓取方法可能正确，放置任务仍然失败。整局成败无法告诉系统，该保留哪一步、纠正哪一步。

↳ 任务层记录下一步做什么、何时算完成；动作层记录相对物体的接近方向、交互位置与预期效果。两层分别核验，再关联复用。

↳ 执行时先选子任务，再检索受目标约束的动作策略；具体位姿根据当前场景重算，迁移的是策略与适用条件。

## 关键结果

只有知识适用、对应策略确实被执行，结果才记为支持、反对或未验证。同一次尝试的后续观察补全原判定，不重复计数。

反证使旧版本退出检索；修订后的策略仍需匹配的执行证据才能重新使用。写出更合理的解释，不等于已经修好了错误。

## 相关路线对比

- 相反路线 · [Transformer Transformer: A Unified Model for Motion-Conditioned Robot Co-design](https://haiguangboy.com/posts/transformer-transformer-codesign) `transformer-transformer_blog_transformer_transformer_a_unified_20260807_2026_08`：固定模型与执行器，更新任务—动作两层知识 contradicts 路线主张：任务失败不应默认归因于策略，本体—控制器—策略应进入同一个优化问题
- 相反路线 · [latepost_xuhuazhe_202603](https://haiguangboy.com/posts/latepost_xuhuazhe_202603) `latepost_xuhuazhe_202603_2026_03`：固定模型与执行器，更新任务—动作两层知识 contradicts 路线赌注：行为/动作部分必须是统一模型，反对模块化拼接
- 相反路线 · [机器人GPT-3时刻：故事很足，证据不够](https://haiguangboy.com/posts/gen-1-5-one-shot) `generalist_blog_gen_1_5_20260818_2026_08`：自我改进限定在知识内容与检索资格，不是模型或控制器自我重写 contradicts 核心叙事(公司自述,未经第三方验证):这些能力直接从规模化预训练涌现,不需要任何专门机制设计
- 同路线 · [Agile-WAM：轻量视触觉联合预测](https://haiguangboy.com/posts/agile-wam) `agile_wam_an_agile_tactile_world_action_model_for_contact_rich_robot_control_2026_09`：真机仅三任务各8场景，π0.5基线未作真机微调 validates 小样本及选优评估不能外推为稳定通用能力
- 同路线 · [An_Open_Foundation_Model_Towards](https://haiguangboy.com/posts/an_open_foundation_model_towards) `an_open_foundation_model_towards_2026_07`：任务与动作知识组合优于各自单用 validates MM-DiT动作专家：联合全局注意力融合优于朴素DiT
- 同路线 · [LAWM：为什么动作标签会成为负担](https://haiguangboy.com/posts/latent_action_pretraining_through_world_modeling) `latent_action_pretraining_through_world_modeling_2026_07`：LAWM：为什么动作标签会成为负担

## 边界

⚠️ 还不是长期可靠性的终点
作者称其为RSI，直接证据是知识更新带来的行为提升，尚未单独证明改进能力本身持续增强。模型和执行原语保持固定；错误处理包含修复与停用，知识正确性由外部GPT-6审计，真机验证规模有限。

## 作者判断(非论文内容,跨论文综合观点)

💡 与其他改进路线对照
PAVE按动作块计算优势，避免把失败任务里的补救动作一起判坏，但每轮仍需重训策略。本篇则把经验收益写入外部知识。

SmoothRL要求优化对齐真正执行的动作，本篇要求证据对应真正执行的策略。共同问题是：失败之后，系统究竟应该改哪里，才能让下一次执行更可靠。