在各种任务中构建可靠的机器人能力需要大量的人力来开发和维护技能，设计奖励，并将感知与控制相结合。我们提出了Reconstruct, Practice, Go Real （ RPG ） ，这是一个在不更新模型权重的情况下自主改进机器人执行系统的框架。RPG识别离线数据集中的操作功能，并构建

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.02204v1)获取最准确的信息。

---
🔗 **原文链接**: [Reconstruct, Practice, Go Real: Guided Self-Improvement for ](https://arxiv.org/abs/2610.02204v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Yen-Jen Wang, Haozhe Jiang, Shuying Deng, 薛昊如, Weirui Ye, Rocky Duan, Nika Haghtalab, S. Shankar Sastry, Pieter Abbeel, Haozhi Qi

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
教程类内容我一般比较挑剔——太多文章是在凑字数。这篇我看了，算是有干货的。
适合跟着走一遍，应该能帮你省下自己摸索的时间。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-10-02 13:02