【具身AGI导读】一次抓空之后，重试同一套策略、或者换个子任务，是现场最常见的兜底。这篇预印本给出的答案是：该重写的是那段已经在跑的控制代码。

2026 年 8 月 17 日，arXiv 刊出一篇预印本，编号 2608.16978，主分类为机器人学，由 5 位作者组成的一支跨机构团队完成，署名机构 6 家平列。它盯住的是一件很具体的事：机械臂抓空一次以后，为什么重试同一套策略、或者换一个子任务，都救不回来。

作者给出的解法是把视觉-语言模型整个冻住，让它把策略写成一段短短的 Python 控制函数，不用示范、不做微调。论文的理由是：代码写一次就是开环的——块内的策略虽然对观测闭环，逻辑却已经冻结；夹爪闭得不是时候、横向偏了一点没碰到物体，块内再多的反馈也修不好，因为错误活在代码里，不在输入里。论文于是把环路放到控制代码这一层：每走固定的一段，模型重新从多视角 RGB、本体感知状态和一步状态增量里观察现场，把控制函数整段重写，块内剩下的步不再查询，让失败在扩散之前被接住。

论文的判断是，失败处置该闭合在控制代码这一层——机器人操作里一次抓空之后，重试同一套策略、或者换一个子任务，都不会去动那段已经跑起来的代码。

把它放回具身智能里看，同一件事上各家的着力点并不一样。

深度机智（北京）科技有限公司押注在物理AI 基座模型上。

作者把自己的贡献划得很窄：是那层循环本身，而不是任何一次生成的程序。支撑它的是一套只差一个变量的对照——把同一套系统设成每回合只问一次、不重写，仿真器、控制接口、任务集、模型和回合预算全部固定，作者报告重写打开之后总体成功率跳到一个数量级以上，而那个开环版本几乎归零；重写过程里产出的控制块还会被写进一个共享的技能库，跨回合留下来，并在之后的每一次重写里被重新注入提示。证据来自两处：一处是仿真器给出的物体位姿只负责开启初始接近，夹爪差一点闭合、抓握打滑、物体被推偏这些失败特征，是从每个重写边界处的多视角画面里读出来的；另一处是作者从每次重规划记录的观测里逐块重建物体高度与夹爪状态，去核「恢复」是否真的发生——报告写得很直白，这类抓空失误很常见，被后续重写捞回来的只是一部分，其余在固定时域里始终没能抓住，连续的近失还会把块的预算烧完。作者对边界的交代同样清楚：这套做法依赖仿真器提供的物体位姿，全部结论只在仿真里跑过，对感知噪声与真机动力学的鲁棒性未经测试；每次重写都要等一次前沿模型推理，量级上决定了它只适合相对慢的操作；评测预算受 API 成本限制，主扫描每个任务只跑单回合；而它依赖一个足够强的冻结模型，更小的开放模型跑不出可靠的控制代码。

失败的证据写在动作里，改它的地方却在代码里——不把这两层分开，回合就只能一直重试下去。

参考资料

- arXiv · VLCP: Vision Language Control Policy Closed-Loop Code Replanning for Robot Manipulation · 2026-08-17

编辑：具身AGI

具身智能第一现场

⭐点赞、转发、在看一键三连

⭐点亮星标，锁定具身AGI极速推送！