Teach and Grow：面向通用机器人学习的以智能体为中心的架构

Chang Nie、Zhe Liu、Hesheng Wang 来自上海交通大学自动化与感知学院，以及上海市导航与定位服务重点实验室（上海 200240）。通讯作者为王贺升。

这篇论文目前以 arXiv 预印本形式公开，后续计划投稿期刊或会议：论文在 arXiv 的编号为 arXiv:2608.17209，首次发布于 2026 年 8 月 17 日，DOI 为 10.48550/arXiv.2608.17209。

视觉-语言-动作（VLA）与世界动作模型通常需要通过追加机器人数据采集与策略优化，才能吸收不熟悉的操作任务；这种反复出现的再训练负担拖慢了新行为的获得。我们提出 Teach-and-Grow Learning（TGL），一种免训练架构，把少量成功演示转化为可复用的机器人技能。获取新任务不需要梯度更新、微调或强化学习：预训练模型权重保持固定，机器人在此前提下扩展其显式知识。我们的实现使用 OpenAI GPT-6 Astra 进行多模态推理，并用 Codex 把 AI 智能体与机器人工具连接起来。AI 智能体识别演示之间共享的子目标，将其表达为闭环的 Skill Block，并把每个块落实到当前场景。物理反馈引导下一步动作与恢复。经验证的行为进入持久化的 Skill Library；Experience Memory 记录影响后续决策的条件与修复。TGL 在四个 LIBERO 套件上达到 99.9% 的平均成功率，在七个 LIBERO-Plus 扰动类别上达到 92.4%。受控研究显示，在模型权重与执行器相同的条件下，已习得的技能块能够保留并改善相关任务的执行。我们还提出一个缩放假设，把有效可复用经验与未来任务误差、示教需求的下降联系起来。代码与演示视频：https://tgl.changnie.top。

Teach and Grow、TGL、免训练机器人学习、无需微调的机器人学习、AI 智能体机器人、以 AI 智能体为中心的架构、具身智能、物理 AI、机器人操作、技能块、技能库、经验记忆、再训练成本、少量示教、少样本学习、VLA、视觉语言动作模型、世界动作模型、持续学习、终身学习、技能组合、GPT-6 Astra、Codex、LIBERO 基准、机器人基础模型、机器人学习、AI 智能体机器人学、少样本示教、视觉-语言-动作模型

arXiv：2608.17209 · DOI：10.48550/arXiv.2608.17209 · PDF：arXiv:2608.17209 · 代码：IRMVLab/TGL

BibTeX 位于 /cite.bib，键为 nie2026teachandgrow；另有 CITATION.cff 供引用管理器使用。纯文本引用格式：Chang Nie, Zhe Liu and Hesheng Wang, “Teach and Grow: An Agent-Centered Architecture for General Robot Learning,” arXiv:2608.17209, 2026. DOI: 10.48550/arXiv.2608.17209。

本研究同时提供参考实现与十段成对演示视频。项目主页涵盖问题定义、Skill Block 架构、工作示例、受控研究与演示视频。