NVIDIA联手密歇根大学、UIUC、UC Berkeley扔出一颗深水炸弹：ASPIRE框架，一个让机器人编程从单次试错进化到持续学习的系统。这玩意儿通过协调器-执行器架构和闭环执行引擎，把每次失败调试都沉淀成可复用的技能库，编程智能体则用Claude Opus 4.6的1M token上下文窗口来写代码优化程序。结果？在LIBERO-Pro测试上，比最强基线猛增77分；Robosuite双手交接任务，成功率从20%直接飙到92%；BEHAVIOR-1K的收音机拾取，56%拉到88%。更狠的是，用LIBERO-90积累的技能，ASPIRE在零样本条件下对LIBERO-Pro Long任务达到约31%成功率，而此前方法卡在4%附近——这数字跳跃背后，是持续学习范式在具身智能领域的扎实落地。
技术内核在于技能库和进化搜索的咬合。协调器负责规划和生成控制程序，执行器在真实环境中运行并反馈，形成闭环；每次失败都成为技能进化的养料，积累成库。编程智能体利用大语言模型的强大推理能力，不断优化代码。这种架构让机器人从重复错误中学习，逐步提升自主能力。性能数据只是冰山一角，更重要的是思路：以前机器人遇到新任务就得从头训练，现在ASPIRE让它们能调用历史经验，快速适应。技能库的积累意味着机器人越用越聪明，零样本能力大幅提升，为实际应用打开新可能。
这比具体分数更有启发性。机器人编程长久以来依赖繁琐的手工调整或一次性的模仿学习，ASPIRE把它变成一个动态、自改进的过程。当然，挑战还在，比如技能泛化性和环境多样性，但这条路径指向了更自主、更高效的机器人未来。NVIDIA这次不仅秀了技术，更展示了一种工程哲学：让机器在交互中持续成长，而不是僵硬地执行预设脚本。这或许才是机器人编程该有的样子——像训练一名新手，让它从每次尝试中汲取经验，越变越强。
