一句话看懂：alphaXiv 上的一篇论文提出 Code-Only-as-Policy（COAP），尝试把机器人决策完全写成代码，用显式状态替代 VLM/VLA 推理；在 RoboDojo 的 42 个双臂任务上，测试时不调用任何模型，报告成功率 70.24%。
事件核心：发生了什么
2026 年 10 月 8 日，alphaXiv 发布了一篇题为《Embodied Turing Machines: Stateful Code for Robot Recursive Self-Improvement》的论文摘要。作者提出把机器人所处环境看作一台“具身图灵机”：机器人状态和环境状态是纸带，策略是规则，如果状态能被准确表示，决策就可以完全由代码完成。
基于这一设想，论文给出 COAP 方法：代码从摄像头图像和本体感知中测量并追踪机器人、环境和任务状态，所有决策都从这些状态出发。同一套代码跨多个 episode 复用，不同任务共享同一个代码库，全程不引入 VLM 或 VLA。目前公开信息显示，这是在 RoboDojo 的 42 个双臂任务上验证的，测试阶段没有模型在环，成功率 70.24%。
为什么重要
当前主流的机器人策略，无论是 VLA 直接映射观测到动作，还是 Agent Harness 在运行时查询 VLM 做决策，都把模型放在控制回路里。COAP 的思路是把“决策”和“模型推理”解耦：模型可以用于开发期，运行期只跑代码。论文强调三个优势：状态显式可存储、执行可控且快而便宜、新任务能复用和扩展共享库，使能力可以跨任务累积。
更值得关注的是它对“递归自我改进”（RSI）的适配性。编码智能体可以在闭环中持续开发这个代码库，每次修改都是显式的、可控的，而不是去调整一个难以解释的大模型。如果这条路走通，机器人策略的迭代方式可能更接近传统软件工程，而不是模型训练。
对用户/开发者/创作者的影响
对机器人开发者而言，COAP 提供了一种不用把 VLM 塞进推理链的选项：决策逻辑可以调试、回滚、版本管理，失败恢复也更灵活。运行期没有大模型调用，意味着推理成本和延迟的账要重新算。论文还提到，跨 episode 的代码可以充当 VLA 和 Agent Harness 的数据引擎，这对做数据闭环的团队有参考价值。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
但需要明确：这是论文摘要层面的工作，不是已上线的产品。70.24% 的成功率只对应 RoboDojo 的 42 个双臂任务和特定评测条件，不能外推为通用能力，也不代表已经过同行评审或大规模复现。
值得关注的后续
一是状态表示的精度和代码逻辑的鲁棒性，这是 COAP 自己承认的上限；二是代码库能否在更多任务和真实硬件上迁移，而非只在仿真基准里成立；三是社区是否会围绕“代码即策略”形成开源库和开发工具，以及它与 VLA 路线在实际部署中的成本对比。
来源：alphaXiv
