Aspire开源，机器人可发现并调用新技能

Nvidia研究员Jim Fan、加利福尼亚大学伯克利分校教授Ken Goldberg及其他参与者，本周开源机器人智能体框架Aspire，让机器人能够发现自己尚未掌握的技能，并在执行任务的过程中学习如何调用。在其中一个演示里，GPT-6 Astra调用1对机器人手臂，完成了还原魔方的任务。

Fan描述，机器人起初拿起魔方尝试转动，但所用角度不对；模型随后进行了很长时间的推理，随着操作逐渐学会技能，最终解决了任务。Fan认为，这种机器人控制方式与软件智能体的工作方式相似：大语言模型可以调用视觉语言动作模型（VLA），如同访问电脑上的不同软件。视觉语言动作模型是经过训练、用于控制物理动作的模型。

在本周于得克萨斯州奥斯汀举行的机器人学习会议（CoRL）上，Fan还展示了另一个操作实例。Astra控制机器人手臂，利用附近的颜料与画笔，按要求画出金门大桥。

从真实视频生成训练场景

OpenAI在9月发布Astra后，Goldberg及学生看到模型渲染3D图像的能力，他们由此想到，是否也能让模型参与不同种类机器人的训练模拟，而不是仅把这种渲染能力用于生成图像。人形机器人的舞蹈动作、机器人手的抓取行为，都需要详细且准确的模拟，让那些经过训练的复杂行为在真实环境中也能按模拟方式执行。

Goldberg实验室的一名成员向Astra开放Nvidia工具Newton的访问权限，提供真实机器人运行的视频片段，要求生成对应场景。Goldberg表示，在1小时内，模型便完成了整个3D模拟，相机位置、光照、背景和全部材料参数均已设置。

Goldberg称，Astra还可以运行实验、检查结果，自动处理在模拟环境中训练机器人所涉及的大量重复工作。一些工业机器人及自动化企业已经对这种方法表现出兴趣。

虚拟Microduck完成行走与识别实验

另一个实验使用OpenAI的GPT-6 Sol，为Pollen Robotics和Hugging Face的Microduck建立虚拟版本，训练它在房间中行走，并识别附近的孟加拉猫。演示画面中，虚拟机器人朝目标猫走去，画面的右上角同时显示机器人的观察视角。

实验还使用了Nous Research的Hermes智能体框架，以及配备AI芯片的Nvidia DGX Spark个人电脑。GPT-6 Sol通过Nvidia的Isaac Sim软件向控制虚拟机器人的模型传入指令，查看运行视频来判断效果，再针对训练方案提出调整建议。

代码编写和虚拟机器人训练耗时数小时，完成的行为包括四处行走而不摔倒。此前，这类配置、编程和调试工作需要相当多的专业知识，实验实施者认为自己过去可能要花数周才能摸清类似任务；此次模型参与的工作也超出了单纯编写代码。实验实施者此前曾用智能体与编码模型配置、编程和调试实体机器人，但这次还让模型操作物理世界的3D表征，并把这种表征转化为代码、智能体行为及训练操作。

实验最初还试过训练太空步，输入材料是一段Michael Jackson在舞台上滑行的GIF。模型尝试模仿，但经过数小时的训练，机器人最终只做出了倒退慢跑的动作。

实体迁移和视觉能力仍待验证

实验实施者计划让实体Microduck为自己的宠物孟加拉猫Leona分发零食。拟议方案是在机器人头部加装3D打印储存舱，低头时释放食物，这部分目前仍属计划。实施者认为模拟中的行为相对简单，应该可以迁移到真实机器人，但仍在等待设备发货，尚不能检验零食分发方案。

让机器人可靠且高效地运行，依然需要大量工程专业知识。此次机器鸭的视觉系统还不足以用于真实产品。

对于训练方式的变化，实验实施者认为，AI在理解和操作物理世界的3D表征方面取得的能力，已经让虚拟机器人训练变得更容易、更快捷。这种变化可能对制造业与电子商务产生影响，但机器人在真实环境中的可靠运行仍需要工程工作。

实验实施者还把这种方式与几年前的vibe coding作比较，预期爱好者和工程师发现机器人可以如此编程和训练后，可能会出现“vibe robotics”的突破。对他而言，更具体的设想是完善机器人助手，让Leona不再缺少零食。