英伟达开源机器人技能库ASPIRE
Alina Collins
英伟达发布并开源机器人技能库ASPIRE，让机器人像程序员写代码一样自己练技能、修bug、攒经验——训练方式从「喂数据」变成了「攒技能」。
ASPIRE到底让机器人干了什么？
ASPIRE把机器人每次干活的全过程——感知、导航、抓取、碰撞、运动规划——全部记录下来。
然后调用大语言模型（GPT或Claude）充当"教练"，分析这次哪里失败了、该怎么改代码。
改好之后再跑一次，成功了就把这段经验存成一个可复用的"技能"，下次遇到类似任务直接调用。
用大白话说＝机器人不再靠人一遍遍喂数据学习，而是自己写代码、自己试、自己改、自己攒经验。
为什么说这是一种全新的训练范式？
英伟达机器人主管吉姆·范（Jim Fan）把ASPIRE定位为持续学习范式。
他指出了三个根本转变：训练方式从梯度下降（传统深度学习的核心步骤）转为持续打磨技能；训练产物不再是一堆浮点权重，而是一个不断扩展的技能库；分布式训练变成多个机器人各练各的、再把经验汇总到同一个库里。
这意味着→机器人的"能力"不再锁死在一次训练结束时的模型参数里，而是像代码仓库一样可以持续增长。
这套逻辑靠什么跑通的？
ASPIRE的核心闭环是：写代码→执行→观察轨迹→修复→沉淀技能。
这和代码领域的Coding Agent（能自动写代码、调试的AI工具）逻辑一致——区别在于ASPIRE操控的不是软件，而是物理世界里的机器人。
这反映出一个更大趋势：AI的"自我迭代"能力正在从纯软件领域延伸到物理操控领域。
离真正落地还差什么？
关键验证节点只有一个：复杂真实环境中的稳定泛化。
实验室里能跑通的闭环，到了光线变化、物体形状不规则、地形复杂的真实场景，技能还能不能复用，是最大的问号。
这意味着→ASPIRE描绘的范式很有吸引力，但"攒技能"的质量上限取决于真实世界的混乱程度。
Content is for reference only, not financial advice.