体现图灵机：机器人递归自我改进的状态代码

大多数机器人策略在控制循环中保留一个模型：VLA 将观察结果映射到操作，而代理工具（例如代理即策略或工具 VLA）在运行时查询 VLM 以进行决策。我们提出了不同的观点：体现世界是一个体现图灵机，其磁带是机器人，环境状态和规则是策略。如果可以准确地表示这种状态，则决策可以完全用代码编写。因此，我们提出仅代码作为策略（COAP）：代码根据相机图像和本体感知来测量和跟踪机器人、环境和任务状态，并据此做出每一个决定。相同的代码适用于各个剧集，不同的任务共享一个库，循环中没有 VLM 或 VLA。与VLA和Agent Harnesses相比，我们分析了COAP的三个优点：（i）显式状态：状态可以存储在代码中； （ii）执行：代码使得决策可控，故障灵活恢复，在线运行速度快、成本低； (iii) 可扩展性：新任务重用、继承或扩展共享库，因此功能可以 积累任务。这些优点使 COAP 成为递归自我改进（RSI）的合适媒介：编码代理在闭环中开发库，每次更改都是显式且可控的。在 RoboDojo 的 42 项双手任务中，生成的库在测试时无需模型即可达到 70.24% 的成功率。 COAP 的上限在于决策状态表示的准确程度以及代码逻辑的稳健程度。因此，我们提出 COAP 作为具体任务的新范式；由于它适用于各个情节，因此它还可以作为 VLA 和 Agent Harnesses 的高效数据引擎。