英伟达开源 ASPIRE：机器人把经验存成技能库，越干越熟练
英伟达 2026 年 7 月 1 日开源机器人技能库框架 ASPIRE：机器人把验证过的操作经验沉淀为可复用技能，完成的任务越多表现越好。在 Robosuite 双臂交接任务上成功率从 20% 提升到 92%；NVIDIA 科学家 Jim Fan 称之为"全新的持续学习范式"。
机器人学习长期有个尴尬:每接一个新任务都近乎从零开始,上一个任务里踩过的坑积累不下来。英伟达 7 月 1 日开源的 ASPIRE(Agentic Skill Programming through Iterative Robot Exploration,通过迭代探索进行智能体技能编程)瞄准的正是这个痛点。
它的机制分三层:机器人执行引擎完整记录感知、规划、抓取的全过程;技能库(Skills Library)把验证过的经验沉淀成可复用条目——比如 SAM3(分割模型)的文本提示写法、多角度接近物体的策略、平面物体推动的运动原语(motion primitive,预定义的基础动作单元);进化搜索则让多条控制程序并行迭代、优胜劣汰。
量子位援引的实验数据颇为醒目:在 Robosuite(机器人仿真基准)的双臂交接任务上,成功率从 20% 提升到 92%;在 LIBERO-Pro 长程任务泛化测试中拿到 31% 成功率,并覆盖 BEHAVIOR-1K 等基准。
NVIDIA 具身智能科学家 Jim Fan 的总结很形象:"当机器人完成第 100 个任务时,它终于不再像完成第 1 个任务时那样一无所知。"在他看来,这代表机器人从"单任务训练"走向"持续学习"的范式转变。
把它放进英伟达的具身智能版图看更有意思:GR00T 管大脑模型、Halos 管安全体系、ASPIRE 管经验积累——"卖铲子"的矩阵又补上一块。不过原文未完整披露开源地址与技能库规模,实际效果还要等社区上手验证。