26年9月来自碧桂园AI实验室、华中科技和Omni AI的论文“RegenHarness: A Robot Agent Harness with Evidence-Gated Recursive Self-Improvement”。

RegenHarness 提出一个有价值的机器人可靠执行框架，其核心贡献是把“任务完成”变成有证据、受权限约束、可追溯的状态转换。论文对系统设计的论述较完整，但实验主要证明了实机流程能够贯通，尚不足以证明各机制的性能增益，尤其缺少递归自我改进（RSI）的实际迭代结果。

---

论文最重要的问题意识，是区分三个经常被混淆的事件：

控制器结束 /=》 子任务成功 /=〉 用户目标完成

例如，“去仓库巡检并返回”包含到达、拍摄、分析、发送报告、返回等环节。导航控制器返回成功，只能支持其中一个环节；模型说“已完成巡检”，也不能直接成为完成依据。RegenHarness 围绕这一差距建立执行规则。

方法的起点，是将自然语言目标转成可检查的任务契约。 论文用 T = (g, G, C_g, S, R) 表示它：原始目标 g、子任务依赖图 G、原始完成条件 C_g、安全与资源约束 S，以及恢复预算 R。每个节点明确前置条件、目标效果、允许的技能、证据要求和超时条件。

这里值得注意的是，节点描述的是“必须发生什么”，具体调用哪个导航器、VLA 或控制器可以替换。例如，更换导航后端不能顺便改变“到达哪个地点、满足什么容差”的验收标准。

同时，系统把记忆分成两类：

• 观测事实 O_k：传感器读数、图像、位置等，具有来源和时间，但任务含义可能尚未核实。
• 已提交事实 C_k：通过检查、进入权威任务记录的结果，例如“本次导航节点已到达指定目标”。

技能只能产生执行结果和候选事实更新；写入已提交状态的权力由提交门控掌握。“已提交”表示通过当前检查，并不意味着传感器与验证器绝不会出错。

从模型框架看，它是一套包围模型与机器人技能的运行架构。 按论文下图图 1，可概括为一个框架：

C1—C4 是从同一版本状态中编译出来的四种信息视图，不要求使用四个模型。

角色	要回答的问题	主要输入
C1 规划	接下来做什么？	原始目标、待执行节点、已确认进展、可用技能
C2 执行	当前节点怎样执行？	当前技能契约、目标、必要观测、资源限制
C3 验证	目标效果发生了吗？	后置条件、执行前后证据、时间戳、来源
C4 恢复	下一步补救是否合理？	失败类型、历史尝试、替代方案、剩余预算

其中最有意义的限制是：C3 不继承规划器关于“任务已经成功”的结论。 规划器生成的“杯子已抓住”不能充当抓取成功的证据。这把上下文设计提升为信息访问控制，而不只是提示词组织。

验证与提交又被分成两个步骤：验证器判断证据是否满足后置条件；提交门控检查该判断是否属于正确的任务、节点、调用和状态版本，以及是否覆盖必要条件。证据缺失、过期、身份不匹配或含糊时，都不能默认成功。所有必要节点通过以后，还要检查原始目标，避免局部完成替代整体完成。

---

围绕这条主线，论文加入了几组工程机制：

• 能力卡与路由：技能声明参数、前置条件、资源、风险、取消方式和证据要求；先做硬约束过滤，再按成功率、风险、时延、成本等排序。文中的评分式是可配置接口，实验没有证明它已得到学习或校准。
• 监督式技能生命周期：记录派发意图、执行句柄、超时和取消状态，通过幂等请求避免重复启动，通过资源租约协调底盘等资源。
• 有预算的恢复：重新感知、调整视角、切换技能、重规划均消耗预算；预算耗尽则停止或升级处理。
• 事件溯源：保存观测、验证、提交和恢复开销的历史，用于重建任务状态。它支持审计，但不能自动保证随机模型决策的逐次复现。

RSI 则构成跨任务的第三个循环。 三种循环的分工需要明确：

循环	改变什么	作用范围
Model loop	当前上下文下的计划、选择或建议	当前推理过程
Agent loop	经执行与验证后接受的任务进展	当前任务
RSI loop	上下文规则、任务模板、路由偏好和恢复策略	后续任务

RSI 的流程是：执行记录暴露问题 → 生成配置修改候选 → 固定回归检查 → 验证预先声明的指标改善 → 发布授权 → 在任务边界启用新版本。运行中的任务固定使用原配置，失败版本可以回滚。

因此，本文的 RSI 应理解为受约束、可回归验证的运行框架配置迭代。在线模型权重更新不在该协议范围内；更新器也无权削弱提交门控、验收规则或底层安全约束。

---

论文的贡献，主要体现在以下三方面。

1. 把任务状态的写入权限作为系统设计中心。
   规划器提出意图、技能产生结果、验证器解释证据、门控接受进展，各自的职责被明确分开。这有助于定位“机器人为什么错误地宣布成功”，也让接口能够接受针对性测试。
2. 把物理执行中的异步性和副作用纳入统一契约。
   重复请求、取消、资源争用、过期证据、重启恢复，都是长期部署时会遇到的问题。论文将它们与验证、恢复预算和版本记录组合起来，具有工程参考价值。
3. 让执行与配置更新都遵循“有证据才接受”的原则。
   单次执行需要证据才能提交，配置修改需要评估才能发布。这个共同原则，使运行与改进之间具有清晰的权限边界。

创新性应落在这些机制的具体组合与契约设计上。执行前后验证已出现在 EmbodiedSkills，根据物理条件阻止阶段推进并进行局部纠正已出现在 CommitFlow，依据失败轨迹修改框架并通过回归测试的思路也已出现在 Self-Harness。因此，作者“首次提出具身机器人证据门控 RSI”的说法，应按这一限定范围理解，不能扩展为首次提出机器人验证或智能体自我改进。

实验最有说服力的部分，是证据链的展示；对机制增益的证明则较弱。 第 6 节的证据可以这样解读：

实验	文中报告	能支持的结论与边界
语音触发仓库巡检	导航、8 帧拍摄、视觉分析、钉钉发送、返回、语音报告；任务耗时 259.94 秒	证明一个完整实机流程及跨阶段记录能够贯通；不能据此估计总体成功率
往返导航	每程参考路径 17.62 米；宣布到达时距目标分别为 0.11、0.17 米	支持该次执行的到达结果；这些是定位系统中的端点距离，不是外部真值精度
闭环路线	参考路线 18.83 米；起点距终点约 0.23 米，已在 0.40 米容差内	清楚说明完成判据必须考虑执行历史
补充拍照任务	模型提出拍照、保存证据、描述图像的计划	展示真实传感器上的简单任务分解；未涉及复杂运动与恢复
框架与 RSI 评估	§6.8 给出对照、消融、故障注入和留出任务的设计	提供了评估方案，但未报告相应对照结果或 RSI 改进曲线

闭环路线尤其有启发性：机器人出发时就满足“距离终点足够近”，如果只检查最终位置，会立即误报完成。正确语义必须包含“离开—遍历—返回”的顺序。这个案例很好地说明了历史依赖的必要性，不过尚不能替代对一般时序任务的验证。

---

论文目前的主要问题：

1. 核心机制缺少因果性验证。
   成功案例不能说明 C1—C4 隔离、版本绑定或恢复预算分别改善了多少。文中没有报告误报完成率、重复物理执行率、恢复成功率、消融结果及额外时延。往返任务中的局部重规划属于底层规划器行为，也不能直接当作 C4 恢复有效的证据。
2. RSI 的主张强于现有实证。
   文中没有展示具体的“失败轨迹—配置修改—回归结果—上线收益—下一轮修改”链条，候选生成器的实现细节也有限。因此，目前能评价的是协议设计的合理性，尚不能判断它是否持续改善、是否超过人工调参，以及改进成本是否划算。
3. 证据关联正确与证据内容正确之间仍有距离。
   身份、时间戳和校验和可以支持证据的归属与完整性，却不能证明视觉判断正确。C3 与规划器隔离，也不意味着它们的感知错误相互独立。比如“箱子阻塞通道”是模型报告的判断，文中没有提供独立标注的准确率评估。
4. 任务契约本身仍是可靠性的前提。
   如果自然语言目标被编译成了不完整的条件，门控可以严格执行一个错误契约。实机案例的返回与报告步骤由巡检模板补充，地点也是预配置的语义锚点；开放任务中的目标理解、条件覆盖和模板泛化仍待验证。
5. 部分执行保证依赖后端假设。
   §4.5 明确承认：参考实现把 cancel() 返回视为取消完成，随后释放租约；异步机器人后端还需要停稳确认。跨崩溃边界避免重复物理动作，也依赖后端去重。因而，这些保证需要落实到具体控制器契约，不能仅凭框架层机制成立。
6. 动态状态、通用性与系统开销尚缺充分评估。
   “曾到达目标”是历史事件，“门仍然打开”是可能失效的当前条件；已提交事实如何在后续变化中撤销、重验和影响依赖节点，需要更具体的机制。当前主要证据来自单机导航巡检，对操作任务、多机器人和多种技能后端的适用性，以及验证与持久化带来的开销，都还有待测量。

---

下一步工作应优先把这些设计变成可证伪、可比较的实验。 按以下顺序推进：

优先级	下一步工作	具体设计	需要回答的问题
最高	完成框架对照与消融	固定模型、技能和路线，对比直接采信后端、普通监督、完整框架；注入过期证据、错误成功信号、重复请求和中断；逐项移除关键机制	误报减少来自哪个机制？代价是多少？
最高	做出多轮 RSI 实验	固定模型与技能，比较冻结配置、人工修改、自动 RSI；保存每轮修改、拒绝、发布和回滚记录；在未参与修改的任务及新场景上评估	改进能否持续、泛化，并抵偿评估成本？
高	建立独立验证与主动取证	加入人工标注、外部定位或异构传感器；证据不足时选择补拍、换视角或重新测量	如何用有限观测降低误报，同时避免过度拒绝与停滞？
高	明确时序与持续条件	区分历史事件和当前状态；用状态机或时序逻辑表达“先后、持续、直到”；规定条件失效后的处理	局部通过以后，依赖条件还能否保持成立？
中高	补强执行一致性	加入停稳确认、旧执行者失效机制、后端去重和崩溃注入测试；再扩展多机器人	中断与竞争发生时，是否仍能保持正确的执行权？

其中，有两个方向特别适合作为后续论文的核心。

一是“主动取证的机器人任务验证”。 当前验证器主要检查已有证据，可以进一步让系统决定：缺少什么证据、下一次观察应在哪里、付出多少成本才值得。例如抓取结果含糊时，选择改变视角还是读取夹爪信号。研究目标可以设为：在限定误报完成率的条件下，最小化观测与执行成本。这样，验证模块就具有明确的决策问题和可测量收益。

二是“保持任务语义不变的安全配置自改进”。 除了禁止修改提交门控，还应防止候选通过修改任务模板、减少必要条件或提前放弃困难任务来获得表面上的指标提升。可以把原始目标及关键约束设为受保护对象，并在多轮迭代中使用隔离评估、跨场景测试和版本回滚。论文 §6.8 已提出留出任务，后续应进一步验证反复迭代是否会逐渐过拟合评估集。

如果只选一项立即推进，我会优先做固定后端的故障注入对照实验，并完整记录一轮 RSI 修改的前后效果。它能直接回答这篇论文目前最关键的悬而未决问题：这些契约是否确实减少了机器人错误宣布成功，以及自动修改是否在维持验收标准的同时带来收益。