@TOC
🌌你好！这里是 晓雨的笔记本 在所有感兴趣的领域扩展知识，感谢你的陪伴与支持~ 👋 欢迎添加好友 is_yu_ei，不定期掉落福利资讯
写在最前面
版权声明：本文为原创解读，遵循 CC 4.0 BY-SA 协议。转载请注明出处。文中论文原图版权归原作者及出版社所有，图源见各图注。
论文：EvoWorld: A World-Model-Centric Framework for Continuous Self-Evolution of Modular Embodied Skills，ECCV 2026。
让机器人把绿色物体放进碗里，最后却没有完成。问题可能出在几个不同的地方：初始画面里根本没有合适的碗，抓取策略没能夹住物体，或者世界模型预测物体会随夹爪移动，真实接触却没有建立。几种情况都能得到一个"失败"的结果，但下一步该改什么，差别很大。
ECCV 2026 收录的 EvoWorld，把这个问题放到了系统设计的中心。它让世界模型预测动作后果，让可独立调用的 VLA 专家负责执行，再用视觉语言模型评估轨迹，把反馈送回场景选择、技能路由或模型更新环节。论文关心的是，当机器人已经拥有多种技能时，怎样选对技能，并让后续改进有明确的着力点。1
对于启元机器人开发者，这个思路值得关注：一个 Skill 能被调用，只是开发的起点。随着技能和使用场景增加，还需要说明它适合什么状态、完成后应该看到什么变化，以及失败记录如何帮助下一次选择。本文先拆解 EvoWorld 的机制和实验，再讨论它对启元开放平台的具体启发。
一 为什么需要把世界模型与技能分开
视觉语言动作模型（Vision-Language-Action，VLA）把图像、语言指令等输入映射为机器人动作。把更多任务放进同一个模型，有利于共享表示，但不同场景的经验也可能相互干扰：擦拭需要持续接触，搬运需要稳固抓取，折叠毛巾又要处理可变形物体。新增一类任务时，开发者既希望学会新动作，也希望原来好用的能力继续保持。
EvoWorld 选择把"环境会怎样变化"和"该采取什么动作"分开组织。前者由共享的视频世界模型学习，后者由面向不同任务的技能专家承担。高层路由器根据当前任务和场景选择专家，失败反馈再决定优先调整哪个环节。图 1 展示了作者提出这一设计的动机。1，§1、§3
这里的"专家"是系统中可以分别调用和更新的策略模型。高层路由决定本次任务调用谁，专家内部如何把观察变成动作，则由各自策略实现。论文在四类 VLA 骨干上分别验证框架效果，以观察这种组织方式的收益是否依赖某一个模型。
图 1 EvoWorld 的设计动机。左侧是经验分散、策略干扰和反馈不足等问题，右侧对应共享动态预测、场景相关路由与诊断反馈。来源：原论文图 1，书页 411。1
二 一条任务怎样经过 EvoWorld
继续以"把绿色物体放进碗里"为例。图 2 中，一条任务会经过场景锚定、技能选择与动作预演，最后进入结果评价和更新。沿着这条路径看，每个模块都有不同的输入和职责。
1 先找到与任务匹配的真实起点
任务指令描述的是目标，世界模型还需要知道动作从哪里开始。EvoWorld 从离线机器人经验中检索与指令匹配的初始视觉观察。例如，要求把物体放进碗里，就应选择存在相关物体、容器和操作空间的画面。论文称这一步为上下文场景锚定（Contextual Scene Anchoring）。1，§3.3
这一步把生成过程接到已有真实经验上，减少从不合理场景展开预测的机会。语义相似的画面仍不一定满足全部物理条件。找到"有碗"的画面之后，物体是否可达、初始接触是否合理，仍要在后续过程中检查。
图 2 EvoWorld 的完整流程。任务从离线真实经验中找到匹配的初始观察，候选专家与世界模型交互产生预演轨迹，评估结果再进入经验记忆和后续更新。来源：原论文图 2，书页 414。1
2 让候选技能提出动作 再比较预测后果
路由器由多模态大语言模型承担，结合任务、初始观察、专家描述和历史经验，挑出可能适合的策略。遇到熟悉的任务与场景组合时，过去的成败记录能帮助选择；遇到经验较少的组合时，则需要保留探索空间。1，§3.4
世界模型随后参与比较。候选专家提出动作，世界模型预测下一时刻的视觉状态；专家再根据预测状态提出后续动作，逐步形成一段预演轨迹（imagined rollout）。直观地说，系统会比较不同做法可能产生的结果，而不是只按技能名称匹配。
补充材料把最终选择写成两类分数的加权组合：一类反映语义和经验上的匹配程度，另一类来自世界模型对预演轨迹的评分。一个专家既要适合当前任务，它提出的动作也应在预测中表现得可行。2，式 10
世界模型在这里相当于一个学习得到的预测器。它能帮助筛掉明显不合适的候选，但预测本身也可能出错。候选预演帮助系统选定专家；随后，所选专家生成的执行轨迹进入评估器，用于判断结果并积累经验。
3 评价轨迹时同时记录成功程度与失败类型
EvoWorld 的视觉语言模型（VLM）评估器输出两项信息：一个在 0 到 1 之间的成功分数，以及一个失败类型标签。通过可靠性阈值的轨迹进入经验集合，用于后续学习和路由校准；未通过的轨迹则为更新提供线索。1，§3.5、算法 1
表 1｜三类失败如何对应不同的更新方向
| 失败类型 | 放进碗这一例子中的可能表现 | 论文中的主要处理 |
|---|---|---|
| 任务与场景不匹配（TSM） | 初始场景缺少目标物体或容器 | 调整场景锚定及相关经验记忆 |
| 策略失败（PF） | 场景合适，但抓取或放置失败 | 调整路由和／或选中的技能专家 |
| 世界模型失败（WMF） | 预演的运动与真实物理反馈不符 | 根据预测偏差更新世界模型 |
分类及更新方向据原论文 §3.5 和算法 1 整理；中间一列为帮助理解机制的示例，不是新增实测。1
这个设计把"有没有成功"和"优先改哪里"放在同一条反馈链上。比如，场景本来就不满足任务条件，继续训练抓取专家可能用错力气；如果只是专家选择不合适，先调整路由也可能比改动全部策略更直接。
三 自进化具体发生在什么地方
论文标题中的"自进化"，可以理解为反复运行这套选择、评价和更新过程。可靠经验被积累下来，影响后续的专家选择和策略学习；失败经验带着诊断标签进入不同的更新分支。系统因此有机会减少重复错误，而不必每次都把全部模型一起重训。1，§3.5
实现上，补充材料明确写到，世界模型使用 DROID 机器人经验数据；轨迹评估器采用 Qwen3-VL-4B-Instruct，并用真实轨迹和人工标注的合成轨迹微调。技能专家从已有 VLA 官方权重出发，在对应技能与场景的数据子集上适配，在骨干适配阶段统一使用 5,000 个优化步骤。2，A.2
这些条件说明，闭环建立在已有数据、模型和评价训练之上。图 3 中更完整的动作过程，展示了这套机制想保留怎样的经验。
图 3 论文展示的轨迹对照。红色框表示基线失败序列，绿色框表示采用 EvoWorld 后的预演序列；可以结合物体位置和接触过程观察差异。下方序列属于世界模型中的 imagined rollout。来源：原论文图 4，书页 421。1
四 实验能支持哪些结论
1 固定评测条件下 路由方案在四类骨干上均有收益
主文表 1 覆盖抓取与放置、工具使用、姿态调整、可变形物体操作，以及抽屉等可动部件操作五类技能。作者固定骨干、数据来源、任务与场景划分等比较条件；补充材料说明，每个"骨干与技能类别"使用 50 个任务---场景对评估静态成功率。下表保留五类技能的平均结果，完整分项见原论文。1，§4.1---4.2；2，A.3
表 2 主文表 1 的五类技能平均成功率
| VLA 骨干 | Base | EvoW | 增加的百分点 | 相对增幅 |
|---|---|---|---|---|
| GR00T-N1.6 | 25.6% | 46.8% | 21.2 | 82.8% |
| PI-0.5 | 23.2% | 41.2% | 18.0 | 77.6% |
| PI-0 | 28.4% | 46.0% | 17.6 | 62.0% |
| PI-0-fast | 26.4% | 45.2% | 18.8 | 71.2% |
| 四类骨干平均 | 25.9% | 44.8% | 18.9 | 73.0% |
来源：原论文表 1 与 §4.2；百分比由原表小数换算。这里是论文的受控模拟评测，实机实验另见本节第 4 部分。百分点为两项成功率直接相减，相对增幅以 Base 为分母。1
最有信息量的结果是，收益出现在四类骨干上，而不只集中于某一个模型。四类骨干平均从 25.9% 提高到 44.8%，对应增加 18.9 个百分点。它支持了作者的判断：在这些任务与场景条件下，技能如何被选择和组织，会明显影响已有策略能发挥出多少能力。
2 多轮更新进一步提高任务成功率
论文还考察了合成数据后训练中的持续改进。补充表 3 以"把杯子放到杯垫上"为例：GR00T-N1.6 在第 100、500、2000 轮的成功率分别为 36±5%、58±3%、79±3%。每个检查点包含 5 个实验组，每组 100 次随机采样，报告均值与标准差。2，A.3---A.4、表 3
这组结果表明，在给定后训练流程和评测协议下，闭环更新能够带来进一步改善。这里的 2000 是闭环优化轮数，不是 2000 次真实机器人部署。它提供了有限训练范围内的改进证据，长期使用中能否一直保持收益，还需要另外检验。
3 组合任务要看全部目标有没有完成
长任务更接近日常开发中的难点：先拿起板擦，再擦白板，前一步的结束状态会影响后一步能否开始。图 4 用连续帧展示了这种技能衔接；补充材料另列出十个由两类技能组成的评测任务。1，§4.2；2，表 4
图 4 组合操作中的技能衔接。上例先拿起板擦再擦白板，下例先抓起勺子再搅拌。每段动作的结束状态，也是下一段动作的起点。来源：原论文图 5，书页 421。1
实验同时报告部分成功和全部成功。部分成功按至少完成一个子目标统计，因此也包含全部成功的样本。以补充材料中"打开盒盖并放入海绵"为例，GR00T-N1.6 的全部成功率从 26% 提高到 50%，部分成功率从 66% 提高到 84%。两者都改善了，但差距依然明显：完成一个子目标，离完成整条任务还有距离。2，表 4---6，T6
这对 Skill 开发很有启发。只统计某个动作接口调用成功，会遗漏任务后半段的失败。组合技能需要同时说明每一步的完成条件，以及整个任务的最终状态。
4 真机结果验证了部分收益能够落到硬件
世界模型中的轨迹变好之后，还需要在硬件上检验。作者使用 Franka 机械臂和 GR00T-N1.6，测试五项代表性操作任务，每项进行 20 次硬件试验。论文报告 EvoW 的平均成功率达到 70%，五项任务相对 Base 均有提高。1，§4.5、图 9
图 5 Franka 机械臂实机验证。左侧为五项任务的执行序列，右侧为每项 20 次试验的成功率。来源：原论文图 9，书页 425。图中标签按原样保留，数据差异见下方说明。1
原文数据说明：§4.5 将 Base 平均成功率写为 29%，但图 9 的五个标注值 5%、40%、55%、15%、20% 复算为 27%；EvoW 的五项均值为 70%。图注与横轴任务名也有不完全一致之处，基线精确口径及任务对应关系仍需作者澄清。
真机结果让这套方法不只停留在生成视频的评价上。不过，这部分验证范围是一个机械臂平台、一个 VLA 骨干和五项任务；它还不能直接代表在其他机器人形态和任务上的效果。
五 这条闭环还有哪些关键问题
首先，预演质量与物理正确性之间仍有距离。论文用 FID、FVD 评价生成质量，并展示了物体身份和运动连续性更好的序列。这些结果对世界模型有价值，但视频看起来连贯，并不能单独证明接触、受力和动作后果都预测正确。1，§4.4、图 7---8
其次，模块化只是为有针对性的更新提供了结构。主文与补充材料没有给出三类失败诊断的独立准确率，也没有通过旧技能保持率等专门实验，证明灾难性遗忘已经解决。评价模型是否可靠、更新后旧任务是否退化，仍会决定这条反馈链是否有效。
六 对启元机器人开发有什么具体启发
启元公开的开发资料，为讨论这类模块化思路提供了具体入口。开发者社区已经提供 Q1、T1 的 ROS2 SDK，以及 URDF、MuJoCo XML 和 RViz／Gazebo 相关资料；PrimeConsole 列出了视频观察、状态与日志、仿真和 Skill 验证等功能。对 Q1，官网将 Agent 开发与关节级运控等二次开发能力注明为探索版支持。3---4
这些工具能够承接技能的调用与验证，但仿真描述文件本身并不是 EvoWorld 所用的学习式世界模型。论文也没有报告启元机器人的适配实验。能够直接借鉴的，是如何组织技能信息、记录反馈，以及把更新对应到具体模块。
1 给 Skill 补上适用条件与完成条件
一个可复用的技能，除了名称和调用入口，还应该说明适用的机器人状态、需要的观察信息、动作执行后的预期变化。以待开发的抬手示意技能为例，可以先明确允许启动的姿态与控制模式、动作结束时应恢复的状态，再决定如何判断执行完成。
这样整理之后，高层任务逻辑就有依据判断什么时候能调用它。技能的名字相同，并不意味着在不同本体、控制频率或关节状态下可以直接互换；论文中的 VLA 专家与平台上的 Skill 也需要通过实际状态和动作接口建立对应。
2 把一次执行记录成可以比较的经验
按照 EvoWorld 的经验记忆思路，开发时可以把任务、启动状态、所用技能版本、执行轨迹和结果放在同一条记录里。结合视频、机器人状态和日志，下一次出现相似问题时，才能判断是启动条件变化、选错技能，还是动作本身需要改进。
实际接入应以当前 SDK 文档为准。官方 Q1 快速入门说明，当前默认支持 ROS2 通信，RESTful／gRPC 的 API 开发方式暂未开放。因此，开发设想应落到已公开的 ROS2 接口和实际可读的反馈上，再决定哪些信息能够作为评价依据。5，§5
3 用小范围对照检验路由与更新是否有效
有了技能描述和执行记录，可以在仿真中先比较固定选技能、结合当前状态选技能、再加入历史经验三种方式。保持任务条件和尝试预算一致，观察整条任务完成率是否改善。更新某个技能之后，再跑一遍此前成功的任务，检查收益是否伴随旧能力退化。
这样的验证从接口和反馈开始，规模可以很小。若后续引入世界模型，还要额外检查它预测的变化与执行反馈是否一致，以及预演带来的计算延迟是否适合任务节奏。只有这些环节逐步对应起来，论文里的闭环才可能成为具体机器人的开发流程。
七 把失败记录变成下一次选择的依据
读完 EvoWorld，我更看重它对技能更新方式的组织：已有策略负责动作，世界模型帮助比较动作后果，评价与经验记忆决定后续优先调整哪里。论文在多类骨干、闭环后训练和有限真机任务上给出了积极结果，也留下了预测准确性、诊断可靠性和长期技能保持这些需要继续验证的问题。
对启元开发者而言，一个可以先落实的改进，是让每个 Skill 除了动作本身，还带着清楚的适用条件、完成条件和执行反馈。这样，技能数量增加之后，开发者才有机会回答一个实际问题：同样的失败再发生时，系统能否依据上一次的记录，作出更合适的选择。
参考资料
1 Zhang, B., Cui, S., et al. EvoWorld: A World-Model-Centric Framework for Continuous Self-Evolution of Modular Embodied Skills. ECCV 2026, LNCS 17074, pp. 410--427. 2026 年 9 月 15 日在线出版。正文与配图据所附正式论文。 ++论文出版页++
2 EvoWorld 官方补充材料。重点参见 A.2---A.4、表 3，以及 B 节表 4---6。由论文出版页的 Supplementary material 1 获取。 ++官方补充材料++
3 启元机器人开发者社区。PrimeConsole 与 SDK、仿真资料下载页。访问日期 2026 年 10 月 18 日。 ++PrimeConsole 与开发资料++
4 启元 Q1 官方产品页。二次开发能力及探索版适用范围。访问日期 2026 年 10 月 18 日。 ++启元 Q1 官方介绍++
5 PRIMEBOT 官方 Q1 SDK 快速入门与集成指南。第 5 节开发者模式说明及当前支持状态。访问日期 2026 年 10 月 18 日。 ++Q1 SDK 快速入门与集成指南++
启元机器人开发者社区
如果你想进一步了解启元 Q1 开放能力、SDK 以及 Skill 开发，可以访问 启元机器人开发者社区，参考社区资料和开发案例，让论文中的模块化技能思路进一步落地。
hello，这里是 晓雨的笔记本。如果你喜欢我的文章，欢迎三连支持：👍点赞 📁关注 💬评论，我会持续分享有用、有趣的技术内容。
欢迎大家点开下面名片，添加好友交流。