# PhysEvo помогает роботу улучшать навыки без дообучения модели

> Новая система PhysEvo позволяет неизменяемой модели ИИ постепенно совершенствовать выполнение роботизированных задач, повышая успешность и в симуляции, и на реальном роботе.

Oossa · 2026-10-08 · https://oossa.com/ru/physevo-lets-a-frozen-robot-model-improve-its-own-skills

Исследователи представили PhysEvo — систему, которая запускает одну неизменяемую модель робота в цикле самодиагностики и доработки инструментов. Агент выполняет задачу, затем метаагент анализирует ошибки, переписывает инструменты или навыки и проверяет исправления. Цикл позволяет совершенствовать и собственные методы диагностики метаагента, поэтому улучшения накапливаются со временем без изменения весов базовой модели.

## Насколько хорошо это работает?

PhysEvo протестировали на 42 задачах бенчмарка RoboDojo с незнакомыми модели вариантами расположения объектов. Сохранённые версии агента набрали в среднем 68.14 из 100 баллов и справились с 62 % задач. Для сравнения: лучший опубликованный агент Astra, работающий за один проход, — RoboDawn — успешно выполнил 47.17 % тех же задач. На восьми особенно сложных задачах на манипуляцию PhysEvo показал результат 55 %, тогда как базовый вариант с прямым использованием Astra справился лишь в 1.25 % случаев.

## От симуляции к реальному роботу

Команда перенесла управляющую систему, эволюционировавшую в симуляции, на робота AgileX PiPER и продолжила дорабатывать навыки уже на самом устройстве. В пяти задачах из реального мира и 25 испытаниях робот набрал в среднем 90.60 балла, а доля успешных попыток составила 84 %.

## Факты

- PhysEvo использует неизменяемую модель, улучшая её работу с помощью метаагента, который дорабатывает инструменты и методы диагностики.
- В 42 задачах RoboDojo PhysEvo набрал в среднем 68.14/100 баллов и справился с 62 % задач.
- Однопроходный агент Astra RoboDawn показал успешность 47.17 % в том же бенчмарке.
- В восьми сложных задачах на манипуляцию PhysEvo добился успеха в 55 % случаев против 1.25 % у варианта с прямым использованием Astra.
- На роботе AgileX PiPER PhysEvo набрал 90.60/100 баллов и справился с 84 % задач в 25 испытаниях.

## Почему это важно

Для разработчиков роботов PhysEvo показывает, что возможности одной неизменяемой модели ИИ можно расширить без дорогостоящего дообучения, сэкономив вычислительные ресурсы и данные. Это также позволяет предположить, что существующих роботов можно модернизировать, добавив аналогичный цикл самодиагностики, и тем самым продлить срок их полезной эксплуатации. Однако необходима независимая проверка результатов в реальных условиях за пределами этого исследования.

## Источники и ссылки

1. [PhysEvo: Astra Can Act, Let It](https://arxiv.org/abs/2610.08995) – arXiv cs.RO, 2026-10-08

Обновлено: 2026-10-08