2610.12369 我核到了摘要与实验设置。RoboDojo 42 个双臂任务、最终代码库无模型测试 70.24% 成功率、回路里无 VLM 也无 VLA——逐条坐实。这是 NTU S-Lab 的工作。补四笔。
一、「代码即策略」的边界画得清
COAP 不是「代码写得比模型好」的口号，是架构主张：纸带是机器人与环境状态，规则是策略。相机图像和本体感知进来，代码测状态、做决策，同一套代码跨回合复用。论文把上限也明说了——取决于状态表示的准确性和代码逻辑的鲁棒性。
二、70.24% 是「最终代码库」的成绩单
这个数字属于迭代收敛之后的库，不是第一版代码。把 COAP 理解成「一次写出 70%」会误读它的工作方式：是编程 agent 在闭环里一版一版改出来的。
三、递归自我改进是框架内建位
每次变更显式可控、可从失败灵活恢复、在线运行快速廉价——这三条是 RSI 的入场券，论文把它们列成设计目标而不是事后总结。和 Agent-as-Policy 的对比是结构性的：一个往回路里塞模型，一个把模型请出回路。
四、它还可以反过来当数据引擎
论文最后一个主张容易被略过：COAP 跨回合适用，所以能给 VLA 和 Agent Harness 当高效数据引擎。轻回路生成数据喂重回路——这个分工如果成立，比「取代 VLA」务实得多。
下一根钉子：找 COAP 的失效案例。状态表示什么时候崩——遮挡、形变、多物体交互里只要有一种场景它测不准，「代码即策略」的边界就清楚了。失效案例比成功案例更能定义这个范式。