因为货架上的小尺寸挂钩被价格标签牌挡住了一部分，进便利店打工的机器人君第一次尝试挂货……扑了个空。

换作以往，这时候就必须由人工工程师出马，先排查问题，再调整程序、补充数据，让机器人重新练习一遍。

它回看此前的执行记录，发现头部相机的视角分辨率不足，加上标签牌遮挡，很难看清小挂钩的位置。

于是，Agent调整了策略，让左手先靠近目标，用腕部相机补上一个近距离视角，确认位置后，再由右手完成挂货。

更值得一提的是，刚才机器人君不仅自己发现了问题所在、寻得了解法， 还把这套有效经验默默积累了下来，以备不时之需。

这套让机器人在工作中发现问题、调整策略、积累经验的机制，背后是 智元最新发布的具身 Agent框架Genie Master。

这也是智元近期掀起的“AI WAVE”系列技术发布的第四弹——这一次，智元在业界把Physical RSI （具身递归自进化） 搬进了真实便利店业务流。

在Genie Master的加持下，智元精灵G2机器人在真实便利店环境执行任务的过程中，已经可以不依赖人工示范与调试，自主分析失败原因、调整策略、沉淀经验， 实现 “无人在环”的持续自我改进。

这是行业首次跳出仿真环境与实验室设定 （toy setting） ，在真实业务场景中跑通并验证了 Physical RSI。

Genie Master这套自主进化的闭环到底是怎么玩起来的？它又能为机器人的批量上岗，带来哪些颠覆性的改变？

要搞清楚这台机器人为什么能“自己悟道”，首先得看看它背后的Genie Master到底是个啥。

简单来说，Genie Master是 一套具身 Agent框架，其核心任务是连接上层Agent的推理能力与底层机器人的动作执行能力。

它不仅让Agent能够顺畅地调用机器人的各项能力、理解真实的物理执行反馈，还能根据任务进展持续组织行动和针对性练习。

不难看出，Genie Master想要重点构建 机器人部署之后的持续改进机制 ——这其中既涉及任务执行当下的判断与动态调整，也涵盖了事后的经验沉淀和底层动作策略更新。

执行失败、动作不稳定，或者某项任务耗时过长，都可能需要工程师介入排查，再通过调整程序、补充示范数据或训练模型来改善表现。

一言以蔽之， 具身智能要想真正大规模用起来，就必须从依赖人工示范的 “被动微调”，转向机器人自主发现问题、解决问题的“自进化模式”。

通过把问题诊断、组织练习和结果评估都交由Agent来操盘，Genie Master支持机器人自主习得新能力，从而 大幅缩短从 “客户提出一项新需求”到“机器人掌握这项新本领”之间的研发周期。

除了开头提到的挂钩补货，在真实便利店的实测中，搭载Genie Master的机器人还展现出了更多应对复杂局面的能力。

据智元介绍，Genie Master团队已将取货、补货、清洁、异常恢复和多机协作纳入统一工作流，探索机器人在真实业务中的持续改进闭环。

究其原因，无论是上层的经验沉淀，还是底层的策略内化，都必须建立在一个极其硬核的基础之上——

上层推理 “大脑”的引导，必须能精准落实为动作；底层执行“小脑”的结果，也必须能实时反馈给大脑。

通过EEP协议，并配合时序对齐 （Temporal Alignment） 等协同设计，上层Agent可以根据执行结果随时动态调整引导；而底层的基座动作策略 （Action Policy） 则能结合当前观测和Agent的要求去精准执行动作，并实时返回观测与子任务状态。

在便利店的正常工作流中，当机器人发现某些任务反复失败、执行不稳或者耗时过长，也就是暴露出了“能力缺口”时，Agent并不会坐视不管。

练什么、怎么练、练完之后结果合不合格、遇到异常怎么恢复并重试，全由Agent一手张罗。真实的部署环境，就这样源源不断地为机器人提供着“接下来该练什么、该改什么”的实战依据。

既然已经在真实场景里把“发现问题”和“自主加练”张罗起来了，那么机器人又是如何把练出来的成果，真正长成自己身上的本事呢？

一条路线叫 Harness RSI ，负责积累经验；另一条路线叫 Policy RSI ，负责更新动作策略。

它的核心逻辑是在保持模型权重和已有工具接口不变的前提下，主要通过优化提示词 （Prompt） 、记忆 （Memory） 和执行规则来改善后续的任务表现。

在日常推理执行的过程中，机器人会把成功和失败的例子“随做随记”；随后再通过每日的异步反思与记忆整合，把这些执行记录转化为更有效的引导、完成判定、异常恢复和协作规则，像写“错题本”一样纳入长期记忆中，并在后续按任务和场景需要逐步加载。

最开始，那个小挂钩任务的成功率很低。但Agent在回溯了失败记录后诊断出了病根，即“头部相机视角分辨率不足，加上标签牌遮挡，导致机器人无法准确识别小尺寸挂钩的位置”。

于是，Agent把“先用左手腕部相机凑近补视角、确认后再用右手挂货”的新解法写进了可执行的经验里，后续再遇到类似情况，就能直接调取经验、从容应对。

“错题本”外，为了满足真机部署对低延迟、高稳定性的严苛要求，有些能力必须变成机器人的“肌肉记忆”。

Policy RSI会将机器人在自主执行、人工接管示范以及异常恢复过程中产生的数据，统统收集整理起来，通过筛选、加权和目标重标等方式提高数据质量，再使用监督学习、模仿学习或强化学习去直接更新底层的动作策略模型 （Action Policy） ，让改进真正保留在模型参数里。

假设机器人在店里做“外卖打包防缠绕”这一任务，处理提带缠绕、执行回撤和异常恢复时产生的数据，经过筛选和处理后，可以用于后续动作策略训练，帮助模型改善类似任务的执行表现。

通过Policy RSI，机器人得以从一次次真实的执行经历中吸收养分，获得更稳定的执行力与更准确的指令跟随能力。

需要说明的是，不是说从此完全不需要人工参与了，Policy RSI仍会使用人工接管示范等数据，动作策略的更新也需要经过数据处理和模型训练。

Harness RSI负责积累和组织经验，帮助系统分析失败原因、选择练习方式，并改善后续执行；

Policy RSI则将经过处理的执行数据用于动作策略训练，让有效经验有机会沉淀为更稳定的动作能力。

两条路线相互促进，形成从真实业务执行、发现能力缺口、自主练习，到经验沉淀和策略更新的闭环。智元希望借此让每一轮积累的经验，都能帮助系统更有效地诊断问题、选择练习和利用数据。

让提升能力的能力也持续进化 ， 在相同投入下获得更大的能力增量 ，这正是“递归自进化 （RSI） ”的真正威力所在。

跳出便利店，站在整个具身智能产业的视角来看 ，智元Genie Master所探索的方向，正在推开一扇新的大门。