把模型从机器人身上解雇了
今天主流的机器人策略有个共同习惯：每走一步都要问一次大模型。VLA 模型把观测映射成动作，Agent Harness 干脆每步调用一次 VLM 做决策。贵、慢，而且机器人的状态散落在模型权重或文本上下文里，出了错连从哪查起都难。南洋理工大学与 Ropedia 的技术报告（arXiv 2610.12369，10 月 8…
把模型从机器人身上解雇了
今天主流的机器人策略有个共同习惯：每走一步都要问一次大模型。VLA 模型把观测映射成动作，Agent Harness 干脆每步调用一次 VLM 做决策。贵、慢，而且机器人的状态散落在模型权重或文本上下文里，出了错连从哪查起都难。南洋理工大学与 Ropedia 的技术报告（arXiv 2610.12369，10 月 8 日挂出）换了一条路，出发点是一个老隐喻：具身世界就是一台图灵机——纸带是机器人和环境的状态，规则是策略。只要状态能被准确表示，决策就可以完全写成代码，一行模型都不用调。
做法分三层。第一层是测量：运行时代码只吃三路彩色相机（头上一路、两只手腕各一路）加本体感知——关节角、末端位姿、夹爪指令回声——和一句语言指令，不用深度相机、不用分割、不调任何模型服务。量出来的东西存成显式变量，分五类：机器人、物体、环境、关系、任务；每个测量记录还带误差、来源和时间戳，被手臂挡住的物体保留最后一次测到的位姿，毫米级精度的任务会用腕部相机凑近重测。第二层是决策：所有判断写在这五类状态变量之上，测试时纯 CPU 运行。第三层是改进，也是这篇报告真正的野心所在：编程智能体在离线闭环里改进代码库——读失败现场，从失败回溯到导致它的那个变量，修改派生它的代码逻辑；修改以分支形式在相同条件下并行评估，仿真之前先过两道 CPU 预检（数值场景逐步验证加逆运动学检查），只有在不损伤其他任务成绩的前提下带来提升的修改才被合并。
成绩是在 RoboDojo 基准的 42 个双臂任务上拿的，用的是官方评测客户端和判卷脚本。COAP（Code-Only-as-Policy）总成功率 70.24%，比排行榜当前最优的 31.38% 高出 38.9 个百分点；最强世界动作模型 29.64%，最强 VLA 27.96%——π0.5 就在这份对手名单里。基准的五个维度全部第一，优势最大的恰恰是 Memory（89.9%，领先 39.6 分）和 Precision（75.1%，领先 41.6 分）这两个最吃状态保持与测量精度的维度——状态显式化的好处直接兑现成了分数。
这个设计真正戳中的痛点是累积改进。VLA 学新任务要重训，而且旧任务会坏：论文引用的实验里，π0.5 在五个真实任务上顺序微调后，平均分从 86.9 跌到 31.4。COAP 的代码库恰恰相反——每次修复合入时不破坏旧逻辑，能力随任务单调累积；报告因此把 COAP 定位成递归自改进的合适介质：每次修改显式、可测、可回滚，改进流程就是软件工程师熟悉的那个流程。它还给自己留了一个下游身份：这套免模型运行时跑出来的成功轨迹，可以直接当训练数据喂给 VLA 和 Agent Harness——代码库兼任数据引擎。
边界也要摆清楚。所有结果来自仿真：COAP 的感知依赖基准公开的相机参数、机器人网格和物体尺寸，真机上这些都要重新测量，夹持宽度、搬运速度这类接触参数也得重调。离线开发是慢工——每轮迭代都要跑测试。失败归因显示问题集中在状态测量和代码逻辑两处，作者自己说得很直白：COAP 的上限取决于状态表示多准、代码逻辑多稳。
放到这条线上看，CodeHack 曾经把动作执行坍缩进 78 个 Python 技能，这次 COAP 把决策控制也坍缩了进去——运行时连一次模型调用都不剩。但「解雇」这个说法其实不准：模型没有消失，只是转岗了。它不再每一步都被调用，而是退到开发阶段，在写代码、读失败、改逻辑的时候工作。验证成本同样被挪了位置——从运行时的每一步，变成离线测试里的每一次合并。机器人越像软件，软件工程的老规矩就越管用：改一行，测一遍，不改坏旧的。