一句话看懂：研究人员提出 SERA，在固定底层 VLA 执行器之上，用可编辑的“外挂框架”管理高层 VLM 规划，让机器人记住任务进度并从执行反馈中修正判断。据摘要，其在 RoboMME 基准上取得 51.38% 总体成功率，相比无自进化版本提升约 7 个百分点。
事件核心：发生了什么
alphaXiv 于 2026 年 10 月 21 日展示的论文提出 SERA（Self-Evolving Robotic Agent）。它不修改底层 VLA 控制器，而是在高层 VLM 规划器外包裹一个可编辑的 harness，用紧凑的“任务上下文”记录进度、关键事实、执行结果和不确定性。例如“按三次按钮”这类任务，即使当前画面相同，机器人也要根据历史判断该继续还是停止。
摘要给出的评测基于 RoboMME 的 16 个历史依赖任务，分为 Counting、Permanence、Reference、Imitation 四类。自进化版本总体成功率 51.38%，无自进化为 44.38%；Counting 从 34% 升至 49%，Imitation 从 18.5% 升至 30%，Permanence 与 Reference 变化很小。需要说明，以上为摘要披露的数据，完整实验细节尚未公开。
为什么重要
长期机器人操作的一个难点是“非马尔可夫依赖”：当前画面不足以决定下一步，过去的目标位置、之前的抓取是否成功都必须保留。SERA 把这部分能力放在可编辑的规划层，而不是重新训练模型，提供了一条低成本增强 VLA 系统任务记忆与纠错的思路。它同时区分了“记住旧事实”和“更新变化中的事实”，对后续智能体设计有参考价值。
对用户/开发者/创作者的影响
对机器人开发者而言，harness 可编辑意味着无需改动 VLA 执行器即可调节规划策略，适合快速试错和定制任务。对企业采购方，这仍属于研究阶段，距离稳定产品化还有距离；自进化通过环境回放自动提出和评估 harness 修改，但最终配置在留出测试前固定，说明其并非在线无限学习。目前公开信息显示，尚无开源代码、API 或商用产品信息。
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。
值得关注的后续
一是论文是否公开完整实验设置与更多任务结果；二是 harness 的自进化能否跨任务迁移，而不只是在单个基准上有效；三是后续是否开源或集成到真实机器人平台。此外，社区评论只代表讨论者观点，不能等同于作者结论。
来源：alphaXiv
